FocusNet：通过聚焦混淆类别实现更优分类

如今，大多数分类网络因其简便性而使用独热编码来表示类别数据。然而，独热编码可能因忽略类间相关性而影响泛化能力。我们观察到，即使使用独热标签训练的神经网络产生了错误预测，它仍然会关注目标图像区域，并揭示哪些类别令网络感到混淆。受此观察启发，我们提出了一种混淆聚焦机制来解决类别混淆问题。我们的混淆聚焦机制通过一个双分支网络架构实现。其基线分支生成混淆类别，而其架构灵活的FocusNet分支则从这些混淆类别中判别出正确标签。我们还引入了一种新颖的聚焦挑选损失函数，通过鼓励FocusNet关注最易混淆的类别来提高分类准确率。实验结果验证了我们的FocusNet在常用数据集上对图像分类的有效性，并且我们的聚焦挑选损失函数也能帮助当前神经网络提高其分类准确率。