期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于混合特征提取的细粒度图像识别方法 被引量:2
1
作者 李明峰 邵琳钰 蔡昌利 《南昌大学学报(工科版)》 CAS 2023年第3期297-306,共10页
由于细粒度图像类内差异大、类间差异小的特点,导致其识别具有较大的难度,针对该问题,提出了一种基于混合特征提取的细粒度图像识别方法。借助混合增强(Mixup)思想混合卷积神经网络中间层,提取类内和类间的特征信息,并通过非局部模块加... 由于细粒度图像类内差异大、类间差异小的特点,导致其识别具有较大的难度,针对该问题,提出了一种基于混合特征提取的细粒度图像识别方法。借助混合增强(Mixup)思想混合卷积神经网络中间层,提取类内和类间的特征信息,并通过非局部模块加强模型提取特征的能力。同时,为了降低Mixup方法引入的噪声和歧义,设计了与训练过程耦合的多损失函数。该模型在广泛使用的公开细粒度图像数据集CUB-200-2011和Stanford Cars上分别达到了87.4%和93.8%的识别精度,与多个基线方法相比有显著的性能提升。 展开更多
关键词 计算机视觉 细粒度图像识别 非局部模块 混合特征 多损失函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部