双线性卷积神经网络_基于双线性卷积网络的细粒度图像定位

基于双线性卷积网络的细粒度图像定位

陈斯祺

【期刊名称】

《电脑与电信》

【年

(

卷

),

期】

2018(000)011

【摘要】

细粒度图像识别是计算机视觉领域的一个难题

,

也是大数据时代和人工

智能的一个具有挑战性的难题

.

为了解决该问题

,

提出了一种基于双线性卷积网

络的对象定位方法

,

该方法通过双线性网络来得到

VGG

网络不同层的特征

,

将

其交集作为最终的定位框

.

为了验证所提方法的可行性

,

在

CUB-200-2011

数据

集和

Stanford

Cars-196

上对所提方法进行验证

,

实验结果表明所提的方法的

对象定位精确度远远高于其他具有代表性的方法

,

同时在加入了软最大化分类器

后

,

所提方法得到的分类准确率比原始图像有了较大提高

.%Fine-grained

Image recognition is a difficult problem for computer vision area, and it

is

also

a

challenge

for

big

data

and

artificial

intelligence.

In

order

to

solve

this

problem,

an

object

localization

method

based

on

bilinear

convolutional

network

is

proposed.

The bilinear

convolutional

network

is used to obtain different features of VGG network, and the intersection

set is used as the localization framework. In order to verify the feasibility

of this paper, the proposed method is simulated on CUB-200-2011 and

Stanford

Cars-196.

The

simulation

result

shows

the

accuracy

of

the

proposed

method

is

higher

than

other

representative

methods.

After

adding

the

Softmax

classier,

this

proposed

method

improved

largely

compared with the primitive image as the input.