Feature Boosting, Suppression und Diversifizierung für feinkörnige visuelle Klassifikation

Die Lernung von Merkmalsrepräsentationen aus diskriminativen lokalen Regionen spielt eine zentrale Rolle bei der feinkörnigen visuellen Klassifikation. Die Verwendung von Aufmerksamkeitsmechanismen zur Extraktion von Teilmerkmalen ist zu einem etablierten Trend geworden. Dennoch bestehen zwei wesentliche Einschränkungen dieser Ansätze: Erstens konzentrieren sie sich oft auf die auffälligsten Teile und vernachlässigen andere weniger auffällige, jedoch differenzierende Regionen. Zweitens behandeln sie die verschiedenen Teilmerkmale isoliert und ignorieren deren zwischenmögliche Beziehungen. Um diese Limitationen zu überwinden, schlagen wir vor, mehrere verschiedene differenzierende Teile explizit zu lokalisieren und ihre Beziehungen systematisch zu erforschen. Dazu führen wir zwei leichte Module ein, die problemlos in bestehende konvolutionale neuronale Netze integriert werden können. Auf der einen Seite stellen wir ein Feature-Boosting- und-Suppression-Modul vor, das die auffälligsten Regionen der Feature-Maps verstärkt, um spezifische Teilrepräsentationen zu erzeugen, und diese anschließend unterdrückt, um das nachfolgende Netzwerk dazu zu zwingen, andere potenzielle Teile zu erkennen. Auf der anderen Seite führen wir ein Feature-Diversifizierungsmodul ein, das semantisch ergänzende Informationen aus korrelierten, teil-spezifischen Repräsentationen lernt. Unser Ansatz erfordert weder Bounding-Box- noch Teilannotierungen und kann end-to-end trainiert werden. Umfangreiche experimentelle Ergebnisse zeigen, dass unsere Methode auf mehreren etablierten Benchmark-Datensätzen für feinkörnige Klassifikation die derzeit besten Leistungen erzielt. Der Quellcode ist unter https://github.com/chaomaer/FBSD verfügbar.