公开(公告)号：CN112861970B

公开(公告)日：2023-01-03

申请号：CN202110179265.2

申请日：2021-02-09

Applicant: 哈尔滨工程大学

Inventor： 初妍 ,  王丽娜 ,  莫世奇 ,  李思纯 ,  李松 ,  时洁 ,  胡博 ,  苗晓晨 ,  赵佳昕

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06V10/42 ,  G06V10/25 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉中的图像识别技术领域，具体涉及一种基于特征融合的细粒度图像分类方法。本发明实现了细粒度图像在分类任务上对局部细节特征的提取，并精准定位在关注的目标区域，解决了细粒度图像在分类任务上类内差异小的难点，利用改进的非极大值抑制soft‑NMS优化区域建议网络RPN来获取目标对象，避免背景信息的干扰。本发明通过注意力模块SCA改进双线性卷积神经网络B‑CNNs用于细粒度分类任务，以获取不同维度的注意力特征。较现有的分类方法，本发明定位在区分的关键部分，具有更高的准确度。

公开(公告)号：CN112861970A

公开(公告)日：2021-05-28

申请号：CN202110179265.2

申请日：2021-02-09

Applicant: 哈尔滨工程大学

Inventor： 初妍 ,  王丽娜 ,  莫世奇 ,  李思纯 ,  李松 ,  时洁 ,  胡博 ,  苗晓晨 ,  赵佳昕

IPC: G06K9/62 ,  G06K9/46 ,  G06K9/32 ,  G06K9/34 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉中的图像识别技术领域，具体涉及一种基于特征融合的细粒度图像分类方法。本发明实现了细粒度图像在分类任务上对局部细节特征的提取，并精准定位在关注的目标区域，解决了细粒度图像在分类任务上类内差异小的难点，利用改进的非极大值抑制soft‑NMS优化区域建议网络RPN来获取目标对象，避免背景信息的干扰。本发明通过注意力模块SCA改进双线性卷积神经网络B‑CNNs用于细粒度分类任务，以获取不同维度的注意力特征。较现有的分类方法，本发明定位在区分的关键部分，具有更高的准确度。