本成果发明了一种基于层进式特征变换的弱监督细粒度图像分类方法，通过分析数据集，仅利用预训练卷积神经网络模型，对图像中的目标进行协同定位。同时,通过负相关性信息分析得到最具有判别能力的部件。利用图像、图像和目标、图像和部件分别训练对应的三种级别的卷积神经网络分类器：图像级别分类器、目标对象级别分类器以及目标部件级别分类器，联合三种级别分类器对细粒度图像进行分类。本发明将卷积特征进行特征变换，对细粒度图像中的目标和最具有判别能力的部件进行准确的定位，以一种新的思路来解决弱监督细粒度图像分类问题。本成果发明人隶属西北工业大学脑与人工智能团队，主要围绕飞航装备、空天飞行器等自主无人系统装备智能化发展的重大需求，开展前沿学术研究和关键技术攻关，致力于攻克脑启发的视觉信息智能分析理论与方法，并在高分遥感影像分析、无人系统智能感知方向开展试验验证与典型应用。
微信公众号