摘要
细粒度分类相较于基础层级图像分类面临更大挑战，主要因其需区分视觉上极为相似的子类物种。为有效区分易混淆的物种，本文提出一种基于特征通道自适应增强与注意力擦除的新型框架。一方面，设计了一种轻量级模块，融合通道注意力与空间注意力机制，自适应地增强关键区域的特征表达，从而获取更具判别性的特征向量；另一方面，引入注意力擦除方法，迫使网络关注原本不显著的区域，进而提升模型的鲁棒性。所提方法可无缝集成至多种主干网络（backbone networks）中。最后，我们在多个公开数据集上对所提方法进行了全面评估，并与当前最先进的技术进行了系统性对比分析。实验结果充分验证了该方法在真实场景中的有效性与可行性，展现出在复杂细粒度分类任务中具有显著突破性的性能表现。