用于域泛化的多级注意力卷积神经网络

在过去十年中，深度卷积神经网络在图像分类与排序方面取得了显著成功，并因此在多媒体内容检索中获得了大量应用。然而，当神经网络在分布外场景或源自先前未见数据域的数据上进行测试时，这些模型仍存在性能下降的问题。在本文中，我们聚焦于这一域泛化问题，并提出一种用于鲁棒分布外图像分类的替代性神经网络架构。我们试图产生一个聚焦于所描绘类别的因果特征、以在域泛化设定下实现鲁棒图像分类的模型。为此，我们提出在卷积神经网络中关注多级信息，并通过采用可训练注意力机制来利用图像最重要的属性。为验证我们的方法，我们在四个广泛接受的域泛化基准上评估了我们的模型，我们的模型在四个数据集中的三个上能够超越先前报告的基线，并在第四个上取得第二好的分数。