基于改進(jìn)雙線性的細(xì)粒度圖像分類方法

打開文本圖片集

摘要：文章研究了基于雙線性卷積神經(jīng)網(wǎng)絡(luò)，結(jié)合可變形卷積和核化網(wǎng)絡(luò)對(duì)動(dòng)物數(shù)據(jù)集進(jìn)行細(xì)粒度圖像分類。其中，可變形卷積通過對(duì)特征值進(jìn)行調(diào)整，能自適應(yīng)被識(shí)別物體的特征邊界，核聚合網(wǎng)絡(luò)克服了BCNN僅關(guān)注線性相關(guān)的缺點(diǎn)，在非線性領(lǐng)域進(jìn)一步增強(qiáng)細(xì)粒度特征的提取能力，豐富了不同通道間的卷積特征。實(shí)驗(yàn)在不同動(dòng)物數(shù)據(jù)集上進(jìn)行，與BCNN模型、其他改進(jìn)BCNN的模型對(duì)比，精確度達(dá)到98.85%，同時(shí)證明了優(yōu)異的泛化能力。（剩余9972字）