计算机研究与发展

作者：余鹰,危伟,汤洪,钱进,

关键词：细粒度图像识别, 知识自蒸馏, Swin Transformer, 特征学习, 鲁棒特征,

细粒度图像识别具有类内差异大、类间差异小的特点，在智能零售、生物多样性检测和智慧交通等领域中有着广阔的应用场景.提取到判别性强的多粒度特征是提升细粒度图像识别精度的关键，而已有工作大多只在单一层次进行知识获取，忽略了多层次信息交互对于提取鲁棒性特征的有效性.另外一些工作通过引入注意力机制来找到局部判别区域，但这不可避免地增加了网络复杂度.为了解决这些问题，提出了多层次知识自蒸馏联合多步骤训练的细粒度图像识别（multi-levelknowledgeself-distillationwithmulti-steptrainingforfine-grainedimagerecognition,MKSMT）模型.该模型首先在网络浅层进行特征学习，然后在深层网络再次进行特征学习，并利用知识自蒸馏将深层网络知识迁移至浅层网络中，优化后的浅层网络又能帮助深层网络提取到更鲁棒的特征，进而提高整个模型的性能.实验结果表明，MKSMT在CUB-200-2011、NA-Birds和StanfordDogs这3个公开细粒度图像数据集上分别达到了92.8%、92.6%和91.1%的分类准确度，性能优于当前大部分细粒度识别算法.

来源：2023年第8期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2023年第8期