【Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition】

最新推荐文章于 2024-04-05 13:30:00 发布

菱湖农场

最新推荐文章于 2024-04-05 13:30:00 发布

阅读量356

点赞数

文章标签：深度学习神经网络人工智能

本文链接：https://blog.csdn.net/weixin_46516242/article/details/127853088

版权

文章提出了一种名为RA-CNN的新架构，针对细粒度图像识别，特别是皮肤病分类。它结合了注意力提议网络（APN）来定位关键区域并放大细节，通过双线性插值增强特征，提高识别准确性。这种方法解决了区域定位和细粒度特征学习之间的协同问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于弱监督细粒度方法的皮肤病分类

文章题目

Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition

文章来源

CVPR2019

作者动机

区域定位和细粒度特征学习是细粒度问题中的两大挑战。现有（19年之前）方法主要专注于独立解决这两个问题，然而忽略了两者的相关性，所以提出了一种新的架构——RA-CNN

作者思路

把一张输入的图片进行通过注意力提议网络（APN）进行剪裁，再经过双线性插值放大。其效果相当于丢掉图片中其他信息，放大“我”想看到的东西。效果如下：
在这里插入图片描述

网络架构

在这里插入图片描述
粗略解释：
输入一张原始图片，对于原始图片有两个任务，一是像常规的图像分类一样经过卷积——全连接——softmax进行分类，得到一系列类别的概率；二是在经过卷积之后得到的一系列特征图，经过注意力提议网络（APN）得到注意力的结果。如上图，我们的注意力在鸟头上，所以我们裁剪掉其他的部分，只留下鸟头，在将鸟头经过双线性池化放大。与文章题目呼应——看的更近看的更好

详细解释：
对于一张图片A，经过特征提取（卷积操作）——全连接——softmax，得到不同类别的概率P，如下图：
在这里插入图片描述
损失L(X)1为：

与此同时在特征提取之后得到一系列特征图，经过注意力提议模块
（APN），得到一个正方形的注意力块，记录为：

tx表示注意力的中心x坐标，ty表示注意力中心y的坐标，tl表示注意力块的边长的一半。这就是我们在原来的图片中需要留下的部分。