CVPR2020 Interpretable and Accurate Fine-Grained Recognition via Region Grouping

阅读量：

Contribution

提出了一种具有可解释性的深度学习模型，用于细粒度视觉识别：

在实现细粒度分类任务的同时，输出物体部件的分割结果及其对分类结果的贡献度，从而提升了模型的透明度与可解释性
为确定物体部件，引入了一种简单的先验信息（即领域知识）。基于假设：在给定图像的前提下，某一部件出现的概率服从Beta分布（关于Beta分布的具体内容尚不明确，后续将进行深入学习）。

基于区域的部件发现与归属机制

输入图像后，系统将输出对应的类别信息、区域分配图（用于划分图像区域）以及注意力图（用于标识关键区域）。整个过程分为以下三个阶段：

复制代码

1. 将输入特征X与部件字典D进行比对，从而生成软性部件分配图Q。
2. 借助Q和D，从X中提取出对应区域的特征Z。随后，依据Z进一步计算注意力权重a。
3. 最后，利用a对Z进行加权处理，得出最终的预测结果。

还没有任何评论哟~