要約
細粒度分類は、視覚的に類似した亜種が存在するため、基本レベルの画像分類に比べてより大きな課題を伴う。混乱しやすい種類を区別するため、本研究では特徴チャネルの適応的強化と注目領域の消去を組み合わせた新たなフレームワークを提案する。一方で、チャネル注目機構と空間注目機構を併用した軽量なモジュールを設計し、重要な領域の特徴表現を適応的に強化することで、より識別力の高い特徴ベクトルを獲得する。他方で、ネットワークが目立たない領域に注目するよう強制する注目領域消去手法を導入することで、ネットワークのロバスト性を向上させる。本手法は、さまざまなバックボーンネットワークにスムーズに統合可能である。最後に、多様な公開データセット上で本手法の評価を行い、最先端の手法と包括的な比較分析を実施した。実験結果から、本手法の有効性と実世界における実用可能性が裏付けられ、複雑な細粒度分類課題において顕著な進展を示している。