用于细粒度视觉分类的注意力卷积二值神经树

细粒度视觉分类（Fine-grained Visual Categorization, FGVC）是一项重要但极具挑战性的任务，其难点主要源于类别内部差异较大（高类内变异）而类别间差异较小（低类间变异），这通常由形变、遮挡、光照变化等因素引起。为应对弱监督下的FGVC问题，本文提出一种基于注意力机制的卷积二叉神经树架构（Attention Convolutional Binary Neural Tree, AC-BNT）。具体而言，该方法在树结构的边沿引入卷积操作，并利用每个节点中的路由函数（routing function）确定从根节点到叶节点的计算路径。最终分类决策由所有叶节点预测结果的加权和得到。深层卷积操作用于学习物体的表征，而树状结构则刻画了由粗到细的层次化特征学习过程。此外，引入注意力Transformer模块，以增强网络捕捉判别性特征的能力。整个网络采用负对数似然损失（negative log-likelihood loss），通过随机梯度下降（SGD）结合反向传播实现端到端训练。在CUB-200-2011、Stanford Cars和Aircraft等多个数据集上的大量实验表明，所提出的方法在性能上优于当前主流的先进方法。