基于自适应类激活映射的多视角特征增强
计算机视觉与模式识别
2024-02-20 v4
摘要
我们提出一个为图像分类构建的端到端可训练特征增强模块，其提取并利用多视角局部特征以提升模型性能。不同于使用全局平均池化（GAP）仅从全局视角提取向量化特征，我们提出采样并集成多样的多视角局部特征以改善模型鲁棒性。为采样类代表性局部特征，我们引入一个简单的辅助分类器头（仅包含一个 11 卷积层），其通过我们提出的 AdaCAM（自适应类激活映射）高效且自适应地关注特征图的类判别局部区域。大量实验表明我们的多视角特征增强模块带来了一致且显著的性能提升。
引用
@article{arxiv.2206.12943,
title = {Multi-view Feature Augmentation with Adaptive Class Activation Mapping},
author = {Xiang Gao and Yingjie Tian and Zhiquan Qi},
journal= {arXiv preprint arXiv:2206.12943},
year = {2024}
}
备注
An arxiv version of the paper published in Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence (IJCAI-21). See https://www.ijcai.org/proceedings/2021/94