基于知识蒸馏与目标区域选取的细粒度图像分类方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：细粒度图像分类任务由于自身存在的细微的类间差别和巨大的类内差别使其极具挑战性，为了更好地学习细粒度图像的潜在特征，该算法将知识蒸馏引入到细粒度图像分类任务中，提出基于知识蒸馏与目标区域选取的细粒度图像分类方法（TRS-DeiT），能使其兼具CNN模型和Transformer模型的各自优点。此外，TRS-DeiT的新型目标区域选取模块能够获取最具区分性的区域；为了区分任务中的易混淆类，引入对抗损失函数计算不同类别图像间的相似度。（剩余17882字）

试读结束

目录
monitor