细粒度图像具有不同子类间差异小、相同子类内差异大的特点。现有网络模型在处理过程中存在特征提取能力不足、特征表示冗余和归纳偏置能力弱等问题，因此提出一种改进的Transformer图像分类模型。首先，利用外部注意力取代原Transformer模型中的自注意力，通过捕获样本间相关性提升模型的特征提取能力；其次，引入特征选择模块筛选区分性特征，去除冗余信息，加强特征表示能力；最后，引入融合的多元损失，增强模型归纳偏置和区分不同子类、归并相同子类的能力。实验结果表明，所提方法在CUB-200-2011、Stanford Dogs和Stanford Cars三个细粒度图像数据集上的分类精度分别达89.8%、90.2%和94.7%，优于多个主流的细粒度图像分类方法，分类结果较好。

针对轨枕挡肩裂纹图像精细化分类问题,提出了改进双线性卷积神经网络(B-CNN)模型。该模型先通过全局平均池化链接图像特征中的全局信息以捕捉细微裂纹宽度特征;再通过不同层次特征融合增强特征表达能力,获得有效宽度特征以实现细粒度分类。实验结果表明:该模型与B-CNN模型相比,分类准确率提升了2个百分点,在假阴性率方面,正常类别降低了2.3个百分点,明显裂纹类别降低了4.55个百分点;与基线VGG-D(Visual Geometry Group Network-D)模型相比,分类准确率提升6.11个百分点,在假阴性率方面,正常类别降低了7.39个百分点,明显裂纹类别降低了8.39个百分点,且参数量仅为原参数量的18.51%,特征提取速度提升了45.31%,说明该模型能够满足快速、准确对双块式轨枕挡肩裂纹图像分类的工程需求。

细粒度图像之间具有高度相似的外观,其差异往往体现在局部区域,提取具有判别性的局部特征成为影响细粒度分类性能的关键。引入注意力机制的方法是解决上述问题的常见策略,为此,在双线性卷积神经网络模型的基础上,提出一种改进的双线性残差注意力网络:将原模型的特征函数替换为特征提取能力更强的深度残差网络,并在残差单元之间分别添加通道注意力和空间注意力模块,以获取不同维度、更为丰富的注意力特征。在3个细粒度图像数据集CUB-200-2011、Stanford Dogs和Stanford Cars上进行消融和对比实验,改进后模型的分类准确率分别达到87.2%、89.2%和92.5%。实验结果表明,相较原模型及其他多个主流细粒度分类算法,本文方法能取得更好的分类结果。

提出了一种基于多尺度特征融合的细粒度图像分类方法。通过运用特征金字塔结构对不同层次的特征进行尺度变换,再进行信息融合;之后筛选其中包含细节特征最多的前三个区域图,将其与图像的全局特征共同作用以判断图片所属的子类类别。在公开的细粒度数据集CUB-200-2011、Stanford Dogs上进行了实验,得到的分类精度分别为85.7%和83.5%。实验结果表明该方法对于精细化物体分类具有一定的优越性。