从分类器激活生成注意力以用于细粒度识别
计算机视觉与模式识别
2018-11-28 v1
摘要
细粒度识别的最新进展利用注意力图来定位感兴趣物体。尽管生成注意力图的方法众多,但大多数依赖于复杂的损失函数或复杂的训练过程。本工作中,我们提出了一种基于分类器输出激活的简单直接的注意力生成模型。我们模型的优势在于可以使用图像级标签和softmax损失函数轻松训练。更具体地,首先采用多个线性局部分类器在高层CNN特征图的每个位置执行细粒度分类。注意力图通过聚合和最大池化输出激活生成。然后注意力图作为替代目标物体掩码来训练这些局部分类器,类似于训练语义分割模型。我们的模型在三个被广泛基准测试的数据集上取得了最先进水平的结果,即在CUB-200-2011数据集上87.9%、Stanford Cars数据集上94.1%、FGVC-Aircraft数据集上92.1%,证明了其在细粒度识别任务上的有效性。
引用
@article{arxiv.1811.10770,
title = {Generating Attention from Classifier Activations for Fine-grained Recognition},
author = {Wei Shen and Rujie Liu},
journal= {arXiv preprint arXiv:1811.10770},
year = {2018}
}