一种基于多视角特征融合的细粒度图像识别方法

    公开(公告)号:CN112132004A

    公开(公告)日:2020-12-25

    申请号:CN202010992253.7

    申请日:2020-09-21

    摘要: 一种基于多视角特征融合的细粒度图像识别方法,涉及图像处理技术领域,解决现有细粒度图像识别方法忽略了图像的细节信息以及存在图像之间视觉差异的适应能力较差,且引入的损失函数复杂,增加了模型的参数量等问题,包括双线性特征提取步骤,抑制分支学习步骤,同类对比模块学习步骤,中心损失计算步骤以及模型优化损失函数计算步骤;本发明引入抑制分支,通过抑制图像中最显著的区域,迫使网络寻找易混淆类别间微妙的判别性特征。引入同类对比学习模块,将同类样本的特征向量进行融合,增加同一类别下不同图像的交互信息。还引入中心损失函数,最小化特征与对应类中心之间的距离,使学到的特征更具判别性。提升了细粒度图像识别的准确率。

    图像特征的识别方法、装置、电子设备及介质

    公开(公告)号:CN116824151A

    公开(公告)日:2023-09-29

    申请号:CN202310513085.2

    申请日:2023-05-08

    摘要: 本申请公开了一种图像特征的识别方法、装置、电子设备及介质。通过应用本申请的技术方案,可以将对图像进行首次解耦得到的初始解耦特征进行洗牌后重组拼接为新的合成特征,进而在该合成特征的基础上再次进行解耦处理,以得到一种能够移去原图像中存在的,属性和物体间可能存在的虚假相关性的重组解耦特征。从而实现根据该重组解耦特征得到图像相关识别结果的目的。避免了相关技术中出现的,模型只偏向于能够识别在训练期间可见的物体属性组合,而无法准确识别训练期间不可见的物体属性组合的问题。

    一种基于多视角特征融合的细粒度图像识别方法

    公开(公告)号:CN112132004B

    公开(公告)日:2024-06-25

    申请号:CN202010992253.7

    申请日:2020-09-21

    摘要: 一种基于多视角特征融合的细粒度图像识别方法,涉及图像处理技术领域,解决现有细粒度图像识别方法忽略了图像的细节信息以及存在图像之间视觉差异的适应能力较差,且引入的损失函数复杂,增加了模型的参数量等问题,包括双线性特征提取步骤,抑制分支学习步骤,同类对比模块学习步骤,中心损失计算步骤以及模型优化损失函数计算步骤;本发明引入抑制分支,通过抑制图像中最显著的区域,迫使网络寻找易混淆类别间微妙的判别性特征。引入同类对比学习模块,将同类样本的特征向量进行融合,增加同一类别下不同图像的交互信息。还引入中心损失函数,最小化特征与对应类中心之间的距离,使学到的特征更具判别性。提升了细粒度图像识别的准确率。

    图像特征的识别方法、装置、电子设备及介质

    公开(公告)号:CN116824151B

    公开(公告)日:2024-04-16

    申请号:CN202310513085.2

    申请日:2023-05-08

    摘要: 本申请公开了一种图像特征的识别方法、装置、电子设备及介质。通过应用本申请的技术方案,可以将对图像进行首次解耦得到的初始解耦特征进行洗牌后重组拼接为新的合成特征,进而在该合成特征的基础上再次进行解耦处理,以得到一种能够移去原图像中存在的,属性和物体间可能存在的虚假相关性的重组解耦特征。从而实现根据该重组解耦特征得到图像相关识别结果的目的。避免了相关技术中出现的,模型只偏向于能够识别在训练期间可见的物体属性组合,而无法准确识别训练期间不可见的物体属性组合的问题。