公开(公告)号：CN111126453A

公开(公告)日：2020-05-08

申请号：CN201911232112.9

申请日：2019-12-05

Applicant: 重庆邮电大学

Inventor： 李鸿健 ,  曾祥燕 ,  程卓 ,  段小林 ,  何明轩 ,  罗浩

IPC: G06K9/62 ,  G06K9/34 ,  G06N3/04

Abstract: 本发明涉及深度学习领域和图像分类领域，具体为一种基于注意力机制和切割填充的细粒度图像分类方法，该方法包括：构建卷积神经网络模型；将原始图像输入卷积神经网络模型，结合注意力机制得到关注图像；将关注图像进行切割，得到子图像，对子图像进行填充，并进行下采样得到填充图像；将关注图像和填充图像输入卷积神经网络模型，并分别通过线性层和softmax分类器，得到对应类别的概率值；选取最大概率值，根据最大值判断分类结果；根据结果在原始图像上标记分类标签；本发明对原图像的关注图像进行分割，再进行填充处理，破坏了各部分之间的相关性，使网络更加关注局部特征，确保高层语义不会被破坏，极大地减少了参数的使用和训练时间。

公开(公告)号：CN111126453B

公开(公告)日：2022-05-03

申请号：CN201911232112.9

申请日：2019-12-05

Applicant: 重庆邮电大学

Inventor： 李鸿健 ,  曾祥燕 ,  程卓 ,  段小林 ,  何明轩 ,  罗浩

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明涉及深度学习领域和图像分类领域，具体为一种基于注意力机制和切割填充的细粒度图像分类方法，该方法包括：构建卷积神经网络模型；将原始图像输入卷积神经网络模型，结合注意力机制得到关注图像；将关注图像进行切割，得到子图像，对子图像进行填充，并进行下采样得到填充图像；将关注图像和填充图像输入卷积神经网络模型，并分别通过线性层和softmax分类器，得到对应类别的概率值；选取最大概率值，根据最大值判断分类结果；根据结果在原始图像上标记分类标签；本发明对原图像的关注图像进行分割，再进行填充处理，破坏了各部分之间的相关性，使网络更加关注局部特征，确保高层语义不会被破坏，极大地减少了参数的使用和训练时间。

公开(公告)号：CN114494786A

公开(公告)日：2022-05-13

申请号：CN202210141309.7

申请日：2022-02-16

Applicant: 重庆邮电大学

Inventor： 李鸿健 ,  何明轩 ,  段小林 ,  何旭 ,  罗炼

IPC: G06V10/764 ,  G06V10/26 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及深度学习领域和图像分类领域，具体涉及一种基于多层协调卷积神经网络的细粒度图像分类方法。本发明实现了在细粒度图像分类任务上对关键区域定位并提取特征，利用图像多尺度裁剪和填充训练不同卷积层，从而融合浅层网络和深层网络特征，同时通过打乱局部区域破坏图片整体性，并通过位置编码记录原始位置，以减少打乱图片带来的噪声，较现有的分类方法，本发明所涉及的多层协调细粒度分类方法具有更高的准确度。