寻找细节中的魔鬼：学习三线性注意力采样网络用于细粒度图像识别
计算机视觉与模式识别
2019-06-12 v2
摘要
学习细微而具判别性的特征（如鸟类的喙与眼睛）在细粒度图像识别中起着重要作用。现有的基于注意力的方法定位并放大显著部位以学习细粒度细节，常受限于部位数量少与计算代价高。本文提出通过三线性注意力采样网络（TASN）以高效的师生方式从数百个部位提议中学习此类细粒度特征。具体而言，TASN 包含：1）三线性注意力模块，通过建模通道间关系生成注意力图；2）基于注意力的采样器，以高分辨率突出被关注部位；3）特征蒸馏器，通过权值共享与特征保持策略将部位特征蒸馏为全局特征。大量实验验证，在 iNaturalist-2017、CUB-Bird 和 Stanford-Cars 数据集上，TASN 在相同设置下取得了与最具竞争力方法相比的最佳性能。
引用
@article{arxiv.1903.06150,
title = {Looking for the Devil in the Details: Learning Trilinear Attention Sampling Network for Fine-grained Image Recognition},
author = {Heliang Zheng and Jianlong Fu and Zheng-Jun Zha and Jiebo Luo},
journal= {arXiv preprint arXiv:1903.06150},
year = {2019}
}