聚焦细节：基于自注意力进行姿态对齐的细粒度物体分类
计算机视觉与模式识别
2023-02-10 v1
摘要
开放世界中的类内差异给分类任务带来诸多挑战。为克服这些挑战，细粒度分类被提出，并涌现了许多方法。其中一些方法依赖于定位并利用图像中可区分的局部部件，以实现对视角变化、类内差异和局部部件形变的不变性。我们受 P2P-Net 启发的方法提供了一个端到端可训练的基于注意力的部件对齐模块，其中我们将 P2P-Net 中使用的图匹配组件替换为自注意力机制。该注意力模块能够在相互关注的同时学习部件的最优排列，之后再贡献于全局损失。
引用
@article{arxiv.2302.04800,
title = {Drawing Attention to Detail: Pose Alignment through Self-Attention for Fine-Grained Object Classification},
author = {Salwa Al Khatib and Mohamed El Amine Boudjoghra and Jameel Hassan},
journal= {arXiv preprint arXiv:2302.04800},
year = {2023}
}
备注
Course Assignment