边小勇 ，江沛龄 ，赵 敏 ，丁 胜 ，张晓龙

（1.武汉科技大学 计算机科学与技术学院，武汉430065； 2.武汉科技大学大数据科学与工程研究院，武汉430065；3.智能信息处理与实时工业系统湖北省重点实验室（武汉科技大学），武汉430065；4.武汉科技大学信息科学与工程学院，武汉430081； 5.冶金自动化与检测技术教育部工程研究中心（武汉科技大学），武汉430081）（∗通信作者电子邮箱xyongwh04@163.com）

0 引言

细粒度图像分类是近年来计算机视觉、模式识别等领域一个非常热门的研究课题［1］，是对属于同一基础类别的图像（如birds类、aircrafts类、dogs类等）进行更加细致的子类划分，但由于类内差异更大，存在姿态、视角、遮挡和背景干扰等诸多变化，而类间差异更加细微，因此细粒度图像分类是一项极具挑战的研究任务。

近十年来，细粒度图像分类研究方法大多数是从局部可区分性部位检测出发，寻找对图像鲁棒的特征表示，具体可分为4个研究内容：1）基于常规图像分类网络的微调方法，2）基于部位检测和对齐的方法，3）基于细粒度特征学习的方法，4）基于视觉注意机制的方法。以上前两类方法通常需要额外的对象标注信息，例如包围边框（Bounding Box，Bbox）或部位（Part），而获取人工标注信息的成本极高，且有较强的主观性，因而模型往往不是最优的。国内外学者越来越多地集中在后两类方法的研究上。Xiao等［2］提出了两级注意力算法，首次尝试只依靠类别标签实现细粒度图像分类。此后，弱监督细粒度图像分类研究得到快速发展。以上述方法3）为代表……