MobileNetに基づく魚画像分類

細粒度画像分類は、特定のカテゴリ内でサブクラスを正確に分類することを目指しています。クラス間の差異が小さく、クラス内の変動が大きいため、細粒度画像分類はコンピュータビジョンの分野で挑戦的な研究テーマであり、重要な研究価値を持っています。既存のニューラルネットワークベースのアルゴリズムは、トレーニングプロセス中に細粒度のテクスチャ詳細の喪失に悩まされており、バックボーンネットワークの異なる畳み込み層から抽出された特徴を効果的に融合する能力に欠けています。これらの問題に対処するために、本論文では、MobileNet v2をコアとして、多段階特徴融合と注意機構を取り入れた軽量な特徴抽出ネットワークに基づく細粒度画像分類方法を提案します。高レベルおよび低レベルの特徴が豊富なセマンティックおよびテクスチャ情報を含むことを考慮し、注意メカニズムを異なるスケールに埋め込んで、より多様な特徴情報をキャッチします。公開されている細粒度データセット「A Large Scale Fish Dataset」で実施された実験評価では、分類精度99.86%を達成しました。結果は、細粒度オブジェクト分類における提案手法の優位性を示しています。