admin管理员组

文章数量:1589775

来自于码隆科技的2020 AAAI的一篇关于细粒度识别的文章，来自公司论文很不好的一点就是可能不会开源源码，这一点比较遗憾。
思维导图

Contributions
  1. 提出了一个self-channel interaction（SCI）模块，对图像中不同通道之间的相互作用进行建模，这使它能够捕获每个通道的通道补充信息，从而增强了每个通道学习到的判别特征
  2. 提出了一个 novel contrastive channel interaction (CCI) 模块，学习图像之间的通道关系，动态地从两个比较的图像中识别出distinctive region。
Methodology


整个的model如上图所示，给定一个图像对，然后两个图像先经过backbone提取特征，生成一对feature map，随后经过SCI模块，来获取每个通道的补充信息，然后将原始特征和补充信息中的distinctive feature汇总在一起，然后将汇总后的特征输入到CCI模块，通过这个模块中的对比性损失，对两个图像之间的通道方向关系进行建模。

Self-Channel Interaction


通过上图，我们可以看到在特征通道中丰富的编码知识，并没有仅仅的去获取most discriminate channels，而是去尝试计算通道级的关系，来提取互补信息，然后将其与原始特征进行编码以进行细粒度分类。
输入图片 I I I， X ′ ∈ R w × h × c X^{'}\in \Bbb{R}^{w\times h\times c} X′∈Rw×h×c表示通过backbone提取的特征，然后将其reshape成 X ∈ R c × l , l = w × h X\in \Bbb{R}^{c\times l},l=w\times h X∈Rc×l,l=w×h，SCI模块的输出是

其中 W W W表示SCI的权重矩阵，其计算方式如下

其中 ∑ k = 1 c W i k = 1 \sum_{k=1}^{c}W_{ik}=1 ∑

本文标签： 论文NetworksInteractionChannelFine

版权声明：本文标题：Channel Interaction Networks for Fine-Grained Image Categorization论文解读 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.elefans.com/dianzi/1728076296a1144518.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。