基于前景背景多级划分与特征融合的细粒度图像分类方法技术

本发明专利技术涉及一种基于前景背景多级划分与特征融合的细粒度图像分类方法，该方法利用主干网络得到检测图像中不同区域的重要程度分布，并通过设定阈值对图像进行分割，得到前景图像和多级背景图像；对分割后的图像进行预处理并输入主干网络，得到前景特征和多个背景特征；基于每一个背景特征和前景特征之间的相似度，以及每一个背景特征的原图像与前景图像的距离得到两组权重，对前景特征和每一个背景特征进行两次加权，将加权后的所有特征进行融合并送入分类器得到分类结果。本发明专利技术采用前景‑背景多级划分和特征加权融合，使分类模型能够更加准确地捕获图像中强判别区域的同时，提取了图像背景中的有效信息并去除噪音，有效提高了分类准确性。

【技术实现步骤摘要】

本专利技术涉及细粒度图像分类，尤其涉及一种基于前景背景多级划分与特征融合的细粒度图像分类方法。

技术介绍

1、细粒度图像分类(fine-grained image classification，fgvc)是一项旨在区分属于同一类别不同子类的视觉分类任务，如在鸟类图像中区分不同种类的鸟，或者花卉图像区分不同种类的花朵。细粒度图像分类无论在工业界还是学术界都有着广泛的研究需求与应用场景。如果能够借助于计算机视觉的技术实现低成本的细粒度图像识别，那么无论对于学术界还是工业界而言都有着非常重要的意义。

2、类间的相似性和类内的差异性对实现精确分类提出了巨大挑战。为了应对这一挑战，目前主要的方法是识别图像中的高区分度区域，并从这些区域中提取特征，以进行更精确的分类。一种普遍的观点认为，图像的背景部分不会对分类起到积极作用，甚至会对图像分类产生干扰。大多数现有工作主要通过尽可能准确地识别最具鉴别力的区域，并从中提取最显著的特征来提高性能。然而，这些方法忽视了占据图像相当一部分内容的背景区域，导致图像中的大量信息没有得到充分利用。此外，这种方法可能需要精确的本文档来自技高网...

【技术保护点】

1.一种基于前景背景多级划分与特征融合的细粒度图像分类方法，其特征在于，包括：

2.根据权利要求1所述的基于前景背景多级划分与特征融合的细粒度图像分类方法，其特征在于，所述预设主干网络基于Vision Transformer网络模型构建，采用多头自注意力机制。

3.根据权利要求2所述的基于前景背景多级划分与特征融合的细粒度图像分类方法，其特征在于，所述多头注意力机制中，每个头部的注意力权重的计算公式为：

4.根据权利要求1所述的基于前景背景多级划分与特征融合的细粒度图像分类方法，其特征在于，所述基于注意力强度分布值对检测图像进行分割，包括：

...

【技术特征摘要】

1.一种基于前景背景多级划分与特征融合的细粒度图像分类方法，其特征在于，包括：

2.根据权利要求1所述的基于前景背景多级划分与特征融合的细粒度图像分类方法，其特征在于，所述预设主干网络基于vision transformer网络模型构建，采用多头自注意力机制。

3.根据权利要求2所述的基于前景背景多级划分与特征融合的细粒度图像分类方法，其特征在于，所述多头注意力机制中，每个头部的注意力权重的计算公式为：

4.根据权利要求1所述的基于前景背景多级划分与特征融合的细粒度图像分类方法，其特征在于，所述基于注意力强度分布值对检测图像进行分割，包括：

5.根据权利要求1所述的基于前景背景多级划分与特征融合的细粒度图像分类方法，其特征在于，基于每一个背景特征和前景特征之间的相似度得到第一组权重，根据第一组权重分别对前景特征和每一个背景...

【专利技术属性】
技术研发人员：罗俊，柳成林，李就良，陈燕敏，周梦瑶，杨健，李振飞，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人