基于注意力数据增广的细粒度图像分类方法.docx

图像分类是机器学习、计算机视觉等领域的经典任务，在学界已经有大量相关的研究。传统的图像分类是语义级图像分类，待分类的对象属于不同的大类，如汽车、行人、飞机等，类别之间的外观差异较大，分类难度相对较低。而细粒度图像分类中待分类的对象属于同一大类下的不同子类，比如同属于鸟类这一大类下的不同品种，类别之间的外观差异较小，分类难度往往比语义级图像分类更大。细粒度图像分类在生产生活中也有广泛的应用需求，比如在无人超市中需要识别不同款式的商品，在自然保护区中需要识别不同种类的动物，在智慧交通系统中需要识别不同型号的汽车等。 与语义级图像分类相比，细粒度图像分类研究起步较晚，目前仍有许多具有挑战性的问题，其