收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

弱监督下基于对抗互补注意力机制和分层双线性池化的细粒度图像识别

李小飞  
【摘要】:随着深度学习技术的广泛发展,细粒度图像识别技术成为当前计算机视觉领域研究的热点。细粒度图像识别的方法可以分为需要人工标注包围框或标注点的强监督方法、不需要任何标注信息的无监督方法和只需要图像级别标注的弱监督方法。弱监督的好处在于它不仅可以大大节省人力、财力,而且还可以达到很好的识别精度。因此,本文研究弱监督下的细粒度图像识别。研究弱监督下的细粒度图像识别需要提取出图像细微的判别性特征,一些常用的方法是直接利用卷积神经网络或者基于视觉注意力机制的方法提取图像的判别性特征,这种方法往往只能提取到图像一些主要显著的判别性特征,而不能学习到其他次要显著的判别性特征。当两个图像被提取出的主要显著的判别性特征非常相似时,仅仅依靠主要显著的判别性特征是不够的,此时次要显著的判别性特征显得极为重要。我们尝试使用一种基于对抗互补注意力机制的方式,它不仅可以提取出图像主要显著的判别性特征而且还可以提取出图像次要显著的判别性特征,此方法主要包含两个分类器,其中分类器A用来学习物体一些特别显著的判别性特征,分类器B将分类器A学习到的这些判别性特征擦除掉,然后再去学习下一个判别性特征,即相对于分类器A学到的次要显著的判别性特征。两个分类器以一种对抗互补的方式迭代学习,直到网络训练到收敛为止。实验结果表明,这种基于对抗互补注意力的细粒度图像识别方法可以提升细粒度图像识别的准确率。研究弱监督下的细粒度图像识别还需要融合不同网络层之间的判别性特征。当前研究弱监督下的细粒度图像识别方法往往在提取出卷积神经网络高层的语义信息之后便直接进行类别的预测,但其却忽略了卷积神经网络不同网络层提取出的特征之间具有一定的语义相关性。因此,本文尝试使用一种基于对抗互补注意力机制和分层双线性池化的方法,分层双线性池化可以将不同层之间的特征进行融合,加强图像特征之间的相关性,促使网络学习到的显著性区域更加具有代表性,从而提升分类网络的性能。在本文中,我们主要是在使用对抗互补注意力机制提取到图像高层的判别性特征之后,又提取了相同尺度下不同层之间的判别性特征,然后再将这些不同层的判别性特征两两之间进行双线性池化,即将不同层之间的判别性特征进行融合,增强图像的表示能力,用以提升弱监督下细粒度图像识别的能力。实验结果表明,这种基于对抗互补注意力机制和分层双线性池化的细粒度图像识别方法具有一定的竞争性。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 邓旭冉;闵少波;徐静远;李攀登;谢洪涛;张勇东;;深度细粒度图像识别研究综述[J];南京信息工程大学学报(自然科学版);2019年06期
2 俞俊;谭敏;张宏源;张海超;;基于用户点击数据的细粒度图像识别方法概述[J];南京信息工程大学学报(自然科学版);2017年06期
3 周晨轶;冯宇;徐亦白;卢杉;;基于增强多重注意力机制的深度神经网络的细粒度检测[J];计算机与现代化;2019年09期
4 罗曦;;浅谈深度学习在图像识别领域的应用现状与优势[J];科技资讯;2020年03期
5 张烁;张荣;张岩波;;基于深度学习的医学图像识别研究综述[J];中国卫生统计;2020年01期
6 ;前沿科技动态[J];科技中国;2020年04期
7 汪家琦;郭源;;对基于深度学习的商品图像识别方法分析[J];科技创新导报;2020年02期
8 兰天;李博;杨敬宝;;基于小样本多背景下的飞机图像识别研究[J];电脑编程技巧与维护;2020年04期
9 孙彦;丁学文;雷雨婷;陈静;孔祥鑫;;基于SSD_MobileNet_v1网络的猫狗图像识别[J];天津职业技术师范大学学报;2020年01期
10 刘占;;深度学习技术在火灾图像识别中的应用[J];福建电脑;2020年05期
11 王华松;贾海艳;;一种基于帧间差分法的舰船中靶图像识别方法[J];红外;2020年05期
12 谢碧森;段清;刘俊晖;廖赟;张逸;;基于迁移学习的家猪图像识别研究[J];软件导刊;2020年07期
13 赵静;;浅析深度学习在图像识别中的应用[J];襄阳职业技术学院学报;2019年02期
14 刘宣彤;;计算机图像识别的智能化处理方法分析[J];科技经济导刊;2019年11期
15 杨声英;胡海霞;;计算机图像识别的智能化处理技术瓶颈与突破[J];信息与电脑(理论版);2019年16期
16 闵鹏升;;基于图像识别的课堂效率监测技术设想[J];中国新通信;2019年18期
17 李龙洋;吴阅帆;;浅谈计算机图像识别的智能化处理方法[J];计算机产品与流通;2019年11期
18 刘飞;张俊然;杨豪;;基于深度学习的医学图像识别研究进展[J];中国生物医学工程学报;2018年01期
中国重要会议论文全文数据库 前10条
1 郑俊翔;施正钗;徐伟敏;薛大立;卢娇月;;基于AlexNet和深度学习的电力设备故障多维度辨识研究[A];浙江省电力学会2019年度优秀论文集[C];2020年
2 李婷;;信息化背景下的人工智能课程教学探索 科普版小学人工智能基础五年级上册“认识图像识别”[A];数字教材·数字化教学——第四届中小学数字化教学研讨会论文案例集[C];2019年
3 许西丹;武杰;;基于耦合深度信念网络的图像识别方法[A];第十五届中国体视学与图像分析学术会议论文集[C];2017年
4 姜洪臣;任晓磊;赵耀宏;徐波;;基于音频语谱图像识别的广告检索[A];第十一届全国人机语音通讯学术会议论文集(二)[C];2011年
5 许开宇;徐志京;郑华耀;;基于小波变换的图像识别研究[A];2003年中国智能自动化会议论文集(上册)[C];2003年
6 滕达;宋晓;龚光红;韩亮;王义;王江云;;深度神经网络图像识别鲁棒性增强方法研究[A];第十四届中国体视学与图像分析学术会议论文集[C];2015年
7 李灵;;情景智能图像识别和数字化处理技术在型式评价试验中的运用[A];2013年江苏省计量测试学会学术会议论文集[C];2013年
8 谭璐;易东云;吴翊;袁伟;;基于非线性降维方法的图像识别[A];第一届全国Web信息系统及其应用会议(WISA2004)论文集[C];2004年
9 ;电脑认人超过人类[A];《科学与现代化》2015年第1期(总第062期)[C];2015年
10 刘翠响;孙以材;张艳;于明;;基于三控制要素的多项式模糊拟合在人脸图像识别中的应用[A];第25届中国控制会议论文集(下册)[C];2006年
中国博士学位论文全文数据库 前10条
1 王璨;基于机器学习的农业图像识别与光谱检测方法研究[D];山西农业大学;2018年
2 刘军;人脸图像识别关键技术的研究[D];北京邮电大学;2015年
3 余少勇;基于深度学习的车辆检测及其细粒度分类关键技术研究[D];厦门大学;2017年
4 赵毅力;基于深度学习的云南野生鸟类图像细粒度识别[D];云南大学;2018年
5 庞程;基于部件的图像细粒度视觉分析方法研究[D];哈尔滨工业大学;2018年
6 韩婷婷;视频理解中人体动作的细粒度表示与应用[D];哈尔滨工业大学;2019年
7 杨骏;细粒度文本情感分析问题研究[D];南京大学;2019年
8 赵波;细粒度图像分类、分割、生成与检索关键技术研究[D];西南交通大学;2017年
9 洪佳楠;半可信云中基于属性加密扩展的访问控制研究[D];中国科学技术大学;2018年
10 魏秀参;深度学习下细粒度级别图像的视觉分析研究[D];南京大学;2018年
中国硕士学位论文全文数据库 前10条
1 李小飞;弱监督下基于对抗互补注意力机制和分层双线性池化的细粒度图像识别[D];江西师范大学;2020年
2 田其军;基于卷积神经网络的细粒度图像识别方法研究[D];中国科学技术大学;2020年
3 雷晨曦;基于深度学习的细粒度图像识别及其在昆虫形态分类上的应用[D];上海交通大学;2019年
4 薛祯也;基于深度学习的煤矸石识别方法研究[D];西安科技大学;2019年
5 袁一丹;基于图像识别的工作人员穿戴规范性检测技术研究[D];电子科技大学;2019年
6 申通;基于图像识别的绿通车管理关键技术研究[D];长安大学;2019年
7 王翰淼;图像识别在智能变电站一键顺控操作中的应用研究[D];安徽理工大学;2019年
8 孙肖肖;基于深度学习的茶叶嫩芽检测和叶部病害图像识别研究[D];山东农业大学;2019年
9 胡明越;基于深度学习的树种识别算法研究[D];浙江农林大学;2019年
10 李建文;生猪智慧养殖平台的研究与应用[D];武汉轻工大学;2019年
中国重要报纸全文数据库 前10条
1 本报记者 孙啸 通讯员 张振东;大雾图像识别 归乡又添“快车道”[N];中国气象报;2020年
2 本报记者 沈勇青;莞企站上图像识别风口[N];东莞日报;2018年
3 王众;看“像”的NEC[N];计算机世界;2016年
4 ;2017年,人工智能将在这些方面带来震撼[N];电脑报;2017年
5 本报记者 吴艳;人工智能:创新是市场“密钥”[N];中国知识产权报;2017年
6 本报记者 陈静;人工智能:大步流星 聚力前行[N];经济日报;2017年
7 本报记者 何晓亮;“AI+医疗”:人工智能落地的第一只靴子?[N];科技日报;2017年
8 本报记者 王洋;国产电视从便捷到“聪明”[N];消费日报;2017年
9 中国经济导报记者 荆文娜;人工智能“涉足”医疗资源下沉基层[N];中国经济导报;2017年
10 王月 成都媒体人;别人刚学会图像识别,谷歌已经开始识别视频了[N];电脑报;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978