用于细粒度视觉分类的弱监督双线性注意力网络
计算机视觉与模式识别
2019-03-01 v2
摘要
对于细粒度视觉分类，物体通常具有相似几何结构但呈现不同的局部外观与姿态。因此，定位并提取有判别力的局部特征在准确的类别预测中起着关键作用。现有工作要么只关注有限物体部位，要么为定位与分类训练相互孤立的网络。本文提出弱监督双线性注意力网络（WS-BAN）以解决这些问题。它联合生成一组注意力图（感兴趣区域图）以指示物体部位的位置，并通过双线性注意力池化（BAP）提取有序部位特征。此外，我们提出注意力正则化与注意力丢弃以弱监督注意力图的生成过程。WS-BAN 可端到端训练，并在包括 CUB-200-2011、Stanford Car 和 FGVC-Aircraft 在内的多个细粒度分类数据集上取得最先进（state-of-the-art）性能，证明了其有效性。
引用
@article{arxiv.1808.02152,
title = {Weakly Supervised Bilinear Attention Network for Fine-Grained Visual Classification},
author = {Tao Hu and Jizheng Xu and Cong Huang and Honggang Qi and Qingming Huang and Yan Lu},
journal= {arXiv preprint arXiv:1808.02152},
year = {2019}
}