要約
多くのコンピュータビジョンの応用において、例えば人物再識別、細かい分類、細かい画像検索などにおいて、差別的な細かい表現を学習することは重要な課題です。これまでの方法の多くは、より良い全体的な表現を得るために計量やアンサンブルの学習に焦点を当てており、通常は局所情報が不足しています。以上の考慮に基づき、私たちは新しい属性認識型注意モデル（Attribute-Aware Attention Model, $A^3M$）を提案します。このモデルは、局所属性表現と全体カテゴリ表現を同時にエンドツーエンドで学習することができます。提案されたモデルには2つの注意機構が含まれています。属性ガイド型注意モジュールは、異なる領域でのカテゴリ特徴を選択するために属性情報を使用し、一方でカテゴリガイド型注意モジュールは、カテゴリの手がかりを使用して異なる属性の局所特徴を選択します。この属性-カテゴリ相互作用プロセスを通じて、局所特徴と全体特徴がお互いに利益を得ます。最終的に得られる特徴量は、ノイズや無関係な特徴ではなく、画像認識に内在する情報が多く含まれることになります。Market-1501, CompCars, CUB-200-2011, CARS196における広範な実験により、私たちの$A^3M$の有効性が示されています。コードはhttps://github.com/iamhankai/attribute-aware-attention で入手可能です。