一种基于孪生网络的自监督学习细粒度图像分类方法
基本信息
| 申请号 | CN202210306415.6 | 申请日 | - |
| 公开（公告）号 | CN114676777A | 公开（公告）日 | 2022-06-28 |
| 申请公布号 | CN114676777A | 申请公布日 | 2022-06-28 |
| 分类号 | G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 汲如意;李佳盈;张立波;武延军 | 申请（专利权）人 | 中国科学院软件研究所 |
| 代理机构 | 北京君尚知识产权代理有限公司 | 代理人 | - |
| 地址 | 100190北京市海淀区中关村南四街4号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于孪生网络的自监督学习细粒度图像分类方法。本发明首先利用注意力编码器提取图像的深度卷积特征，获取蕴含语义信息的注意力图并通过双线性池化方式编码图像特征；其次从原始图像上定位出注意力图上高响应值所在的显著区域，对显著区域进行裁切和擦除操作，从而形成不同视角的视图，以自监督的方式学习视角不变性特征；最后联合中心损失函数以及一致性损失函数，显示地约束不同视角特征，保持它们的类内一致性。本发明方法使得网络获得显著的性能增益，可以在细粒度图像分类的基线上显著提升分类准确度。 |
