双线性聚合残差注意力的细粒度图像分类模型OA北大核心CSTPCD
Fine-Grained Image Classification Model Based on Bilinear Aggregate Residual Attention
针对细粒度图像分类任务中种类间局部信息差异性较小,通常会导致模型表征能力不足,特征通道之间的相互依赖关系较差以及无法有效捕捉到显著且多样化的特征信息等问题,提出了一种双线性聚合残差注意力网络(BARAN).首先在原双线性卷积网络模型(B-CNN)基础上,把原有特征提取子网络转变为更具学习能力的聚合残差网络,来提升网络的特征捕获能力;然后在每一聚合残差块内嵌入分散注意力模块,使得网络专注于整合跨维度特征,强化特征获取过程中通道之间的紧密关联程度;最…查看全部>>
李宽宽;刘立波
宁夏大学 信息工程学院,银川 750021宁夏大学 信息工程学院,银川 750021
信息技术与安全科学
细粒度图像分类聚合残差分散注意力互通道注意力多样化特征
《计算机科学与探索》 2022 (4)
生成对抗网络在图像文本跨模态检索中的研究
938-949,12
宁夏自然科学基金(2020AAC03031)国家自然科学基金(61862050)西部一流大学科研创新项目(ZKZD2017005).
评论