[发明专利]基于注意力转移机制的细粒度图像分类方法

摘要

本发明提出了一种基于注意力转移机制的细粒度图像分类方法，用于提高细粒度图像分类精度。实现步骤为：获取包含细粒度图像的训练样本集和测试样本集；构建全局感知网络和注意力转移网络模型；利用训练样本集对全局感知网络和注意力转移网络进行训练；用训练好的全局感知网络和注意力转移网络对测试样本集进行分类。本发明通过设计全局感知网络和注意力转移网络对图像进行联合特征提取，使网络在提取了全局特征和判别区域特征的基础上，进一步提取了不同判别区域之间的语义相关性，从而加强了网络的特征提取能力，有效提高了细粒度图像分类准确率。

主权项

1.一种基于注意力转移机制的细粒度图像分类方法，其特征在于，包括如下步骤：/n(1)获取训练样本集和测试样本集：/n(1a)选取包含C类细粒度类别且每个类别的幅数为H的自然图像，并对所有自然图像进行尺寸归一化，归一化后的自然图像的像素大小为h×w，C≥2，H≥20，h≥2，w≥2；/n(1b)对随机选取的50％以上的每类归一化后的自然图像进行标记，并将标记过的每类归一化后的自然图像及其标签组成训练样本集，将剩余每类归一化后的自然图像组成测试样本集；/n(2)构建全局感知网络GNet模型：/n(2a)构建全局感知网络GNet结构：/n构建包括M个并行排列的全局特征提取网络GNet1及与M个GNet1相连的全局特征融合网络GNet2的全局感知网络结构，其中：/n全局特征提取网络GNet1包括输入层、多个卷积层、多个池化层、多个激活层、多个全连接层、自动编码层和Softmax层，用于生成M个全局预测概率