用于细粒度视觉分类的可解释注意力引导网络
计算机视觉与模式识别
2021-03-10 v2
摘要
细粒度视觉分类（FGVC）具有挑战性，且比传统分类任务更为关键。它要求在固有的细微类内对象差异下区分不同子类。以往工作侧重于基于注意力策略或边界框，利用多粒度与判别区域增强特征表示能力。然而，这些方法高度依赖缺乏可解释性的深度神经网络。我们提出了一种用于细粒度视觉分类的可解释注意力引导网络（IAGN）。我们方法的贡献包括：i) 一种注意力引导框架，能以可解释方式引导网络提取判别区域；ii) 一种渐进式训练机制，可逐阶段蒸馏知识以融合多粒度特征；iii) 首个在多个标准 FGVC 基准数据集上具备有竞争力性能的可解释 FGVC 方法。
引用
@article{arxiv.2103.04701,
title = {Interpretable Attention Guided Network for Fine-grained Visual Classification},
author = {Zhenhuan Huang and Xiaoyue Duan and Bo Zhao and Jinhu Lü and Baochang Zhang},
journal= {arXiv preprint arXiv:2103.04701},
year = {2021}
}