RAUM-Net：区域注意力与不确定性感知的 Mamba 网络
计算机视觉与模式识别
2025-06-30 v1
摘要
细粒度视觉分类 (FGVC) 仍是计算机视觉中具有挑战性的任务，由于类间细微差异和脆弱的特征表示。现有方法在细粒度场景中表现不佳，尤其当标注数据稀缺时。我们提出一种半监督方法，结合 Mamba 基于特征建模、区域注意力和贝叶斯不确定性。该方法在局部到全局特征建模方面取得提升，同时在学习过程中关注关键区域。贝叶斯推断选择高质量的伪标签以确保稳定性。实验表明，在包含遮挡的 FGVC 数据集上，我们的方法表现强劲，显示出在标注数据有限时具有鲁棒性。代码可在 https://github.com/wxqnl/RAUM-Net 获取。
引用
@article{arxiv.2506.21905,
title = {RAUM-Net: Regional Attention and Uncertainty-aware Mamba Network},
author = {Mingquan Liu},
journal= {arXiv preprint arXiv:2506.21905},
year = {2025}
}