摘要
细粒度视觉分类（Fine-grained Visual Classification, FGVC）是一项具有挑战性的任务，其主要难点在于类别间差异细微，而同一类别内部样本之间的差异却十分显著。为应对这些挑战，以往的方法主要聚焦于定位类别间的细微差异，并增强特征的判别能力。然而，背景信息同样蕴含重要线索，能够帮助模型识别哪些特征对于分类是冗余甚至有害的；若模型过度依赖局部细微特征，可能会忽略全局上下文信息和整体结构特征。为此，本文提出一种新型网络结构——“高温度精炼与背景抑制”（High-temperature Refinement and Background Suppression, HERBS），该网络由两个核心模块构成：高温度精炼模块与背景抑制模块。前者通过在不同尺度上对特征图进行精细化处理，引导模型学习适切的特征尺度，从而提升对多样化特征的建模能力；后者则利用分类置信度得分将特征图划分为前景与背景区域，对低置信度区域的特征值进行抑制，同时强化具有判别性的特征表达。实验结果表明，所提出的HERBS方法能够有效融合多尺度特征，显著抑制背景噪声，并在合适尺度上提取出更具判别力的特征，显著提升细粒度视觉分类性能。在CUB-200-2011与NABirds两个主流基准数据集上，该方法均取得了当前最优的分类准确率，均超过93%。因此，HERBS为提升细粒度视觉分类任务的性能提供了一种极具前景的解决方案。代码开源地址：https://github.com/chou141253/FGVC-HERBS