Channel DropBlock：一种用于细粒度视觉分类的改进正则化方法
计算机视觉与模式识别
2021-06-08 v1
摘要
在细粒度视觉分类（FGVC）任务中，对同一超类（如鸟类）下对象的子类别进行分类高度依赖于挖掘多个判别性特征。现有方法主要通过引入注意力机制以定位判别性部位，或采用特征编码方法以弱监督方式提取高度参数化的特征来解决此问题。在本工作中，我们提出了一种轻量且有效的正则化方法 Channel DropBlock（CDB），并结合两种可选的相关性度量来解决该问题。其关键思想是在训练期间随机屏蔽一组相关通道，以破坏特征的协同适应从而增强特征表示。在三个基准 FGVC 数据集上的大量实验表明，CDB 有效提升了性能。
引用
@article{arxiv.2106.03432,
title = {Channel DropBlock: An Improved Regularization Method for Fine-Grained Visual Classification},
author = {Yifeng Ding and Shuwei Dong and Yujun Tong and Zhanyu Ma and Bo Xiao and Haibin Ling},
journal= {arXiv preprint arXiv:2106.03432},
year = {2021}
}