用于细粒度图像分类的通道交互网络
计算机视觉与模式识别
2020-03-12 v1
摘要
细粒度图像分类由于类间差异细微而具有挑战性。我们认为，利用通道之间的丰富关系有助于捕捉此类差异，因为不同通道对应不同语义。本文提出一种通道交互网络（CIN），它对图像内及跨图像的通道交互进行建模。对单幅图像，提出自通道交互（SCI）模块以探索图像内的通道相关性。这使模型能从相关通道中学习互补特征，产生更强的细粒度特征。此外，给定图像对，我们引入对比通道交互（CCI）模块，以度量学习框架对跨样本通道交互建模，使 CIN 能区分图像间的细微视觉差异。我们的模型可以端到端高效训练，无需多阶段训练与测试。最后，在三个公开基准上进行了全面实验，所提方法一致优于 SOTA 方法，如 DFL-CNN (Wang, Morariu, and Davis 2018) 和 NTS (Yang et al. 2018)。
引用
@article{arxiv.2003.05235,
title = {Channel Interaction Networks for Fine-Grained Image Categorization},
author = {Yu Gao and Xintong Han and Xun Wang and Weilin Huang and Matthew R. Scott},
journal= {arXiv preprint arXiv:2003.05235},
year = {2020}
}
备注
AAAI 2020