注意力机制和多尺度特征融合的细粒度图像分类

摘要

针对细粒度图像分类易受背景干扰、关键区域定位不准确以及模型参数量大的问题，提出了一种注意力机制和多尺度特征融合的分类网络（networks of combine attention mechanisms and multi-scale features, AM-Net）。首先，以YOLOv7网络为基础，使用Ghost BottleNeck模块重新搭建轻量级主干网络，并使用GhostConv替换颈部网络中的Conv,实现模型的轻量化。其次，引入无参的SimAM注意力机制，通过考虑空间和通道维度的相关性推断特征图的三维注意力权重，表征局部显著特征，抑制无用特征，提高目标区域信息的有效性。最后，构建可特征选择的金字塔池化模块（fast spatial pyramid pooling with feature selection and convolutions, SPPFC）,帮助网络模型更好地捕捉和处理目标的多尺度特征，提高模型的感知能力。通过实验可知，AM-Net在Stanford Dogs数据集上的准确率、精确率、召回率和F₁分数分别达到88.9%、83.6%、85.7%和84.6%,模型参数量为26.53 MB,每秒帧率达到89.3帧，在Stanford Cars数据集上的准确率、精确率和召回率分别达到95.2%、93.7%和94.9%。实验结果表明，AM-Net可以在轻量化网络的同时提高细粒度图像的分类精度，相比于其他网络模型性能有较大提升。

关键词

人工智能 / 细粒度分类 / 特征提取 / 注意力机制 / 多尺度特征融合