《表4 不同细粒度分类算法性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多尺度特征融合与反复注意力机制的细粒度图像分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了对本文算法的综合性能进行评价，本文对不同算法的分类准确度与复杂度做了对比，结果如表4所示．从表中可以看出，Cimpoi等[31]在深度卷积特征的基础上引入Fisher Vector，取得了较好的细粒度分类效果；经典的双线性算法[1 8]采用并行的VGG16[6]提取特征，虽然提高了分类准确度，但也导致了参数的成倍增加；Gao等[32]提出了两种紧凑的双线性表征，在保证分类精度的同时，大大减少了参数量；本文算法在原有的ResNet50[8]结构中引入了反复注意力机制，在不显著增加参数的前提下，有效地提升了分类准确率．