本發明針對細粒度圖像最具有判別力的區域難以挖掘的問題,提出了一種基于強化學習和交叉雙線性特征的細粒度識別方法。使用Actor?Critic策略去挖掘圖像最具有注意力的區域,Actor模塊負責產生最具有判別力的top?M個候選區域,Critic模塊利用交叉雙線性特征去評價此動作的狀態值,然后利用排序一種性獎勵計算當前狀態下該動作的獎勵值,進而得到價值優勢并反饋給Actor模塊,更新最具有注意力區域的輸出,最后使用這些最具有判別力的區域結合原圖特征進行預測細粒度類別。該方法可以較好的挖掘出細粒度圖像最具有注意力的區域。經實驗驗證,本發明在CUB?200?2011公開數據集上的識別準確率比目前已有方法有一定的提升,分別達到了較高的細粒度識別準確率。
聲明:
“基于強化學習策略的圖像細粒度識別方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)