面向细粒度图像分类的双线性残差注意力网络
细粒度图像之间具有高度相似的外观,其差异往往体现在局部区域,提取具有判别性的局部特征成为影响细粒度分类性能的关键。引入注意力机制的方法是解决上述问题的常见策略,为此,在双线性卷积神经网络模型的基础上,提出一种改进的双线性残差注意力网络:将原模型的特征函数替换为特征提取能力更强的深度残差网络,并在残差单元之间分别添加通道注意力和空间注意力模块,以获取不同维度、更为丰富的注意力特征。在3个细粒度图像数据集CUB-200-2011、Stanford Dogs和Stanford Cars上进行消融和对比实验,改进后模型的分类准确率分别达到87.2%、89.2%和92.5%。实验结果表明,相较原模型及其他多个主流细粒度分类算法,本文方法能取得更好的分类结果。
文件下载
评论信息
其他资源
- 反射内存卡样例
- ANSI/ISA S88标准
- Delphi XE2+Dev 主窗体Panle嵌入DLL窗体源码
- 无限级树形菜单（支持多选）
- hybrid-v35_64-nodebug-pcoem-6_30_223_271.tar.gz
- 客户关系管理系统，源码+数据库+需求文档
- JAVA编写的基于文本相似度匹配的文本聚类
- Jena API使用手册
- Windows系统和Linux系统安装使用docker容器手册.docm
- ckrudals.github.io-源码
- opentick：用于金融时间序列数据的快速报价数据库，基于带有简化SQL层的FoundationDB构建-源码
- 互联网医疗行业投资策略-20200626-海通国际-151页.pdf
- 浮动div，页面两边滚随滚动条滚动的DIV
- ACL配置实验
- 多文档文本编辑器
- 鬼影核心代码
- 高光材质shader
- libaio-0.3.105-2.x86_64.rpm
- 英文字体ocr识别数据集合
- 病人床位管理系统源码20121016
- Linux C编程一站式学习 宋劲杉
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明