计算机科学与探索

作者：汪敏, 赵鹏, 郭鑫平, 闵帆

单位：1. 西南石油大学 电气信息学院，成都 6105002. 西南石油大学 计算机科学学院，成都 6105003. 西南石油大学 人工智能研究所，成都 610500

关键词：细粒度,图像分类,深度神经网络,对比学习,注意力机制

由于高类内和低类间方差，细粒度图像识别成为计算机视觉领域一项极具挑战性的研究课题。经典的细粒度图像识别方法采用单输入单输出的方式，限制了模型从成对图像中对比学习推理的能力。受人类在判别细粒度图像时的行为启发，提出了深度成对特征对比交互细粒度分类算法（PCI），深度对比寻找图像对之间的共同、差异特征，有效提升细粒度识别精度。首先，PCI建立正负对输入策略，提取细粒度图像的成对深度特征；其次，建立深度成对特征交互机制，实现成对深度特征的全局信息学习、深度对比以及深度自适应交互；最后，建立成对特征对比学习机制，通过对比学习约束成对深度细粒度特征，增大正对之间的相似性并减小负对之间的相似性。在流行的细粒度数据集CUB-200-2011、Stanford Dogs、Stanford Cars以及FGVC-Aircraft上开展了广泛的实验，实验结果表明PCI的性能优于当前最先进的方法。

来源：2023年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第11期