丁继文

摘要：针对图像分类中背景信息太多容易误导分类结果的问题，提出一种筛选—识别网络架构，通过剔除与分类无关的背景信息、定位要分类的感兴趣区域及提高对车辆细粒度分类的准确率。用YOLOv3网络快速寻找需要分类的目标物体，消除背景中无关信息对分类的误导，将结果送入到双线性卷积神经网络进行训练和分类，结果在Cars196数据集中对车辆的车型、颜色和方向的分类精度为92.1%，92.7%，97.4%。利用监控视频自制数据集中对车型、颜色和方向的分类精度为71.3%，68%，85.6%。使用筛选—识别网络架构对车辆的细粒度分类有积极作用，可以剔除大部分对分类没有用的背景信息，更有利于网络学习分类的特征信息，从而避免背景信息对分类结果的误导，提升模型的分类精度。

关键词：细粒度图像分类；目标检测；双线性卷积神经网络；YOLOv3；篩选—识别网络架构

中图分类号：TP391文献标志码：A文章编号：1008-1739（2021）03-68-6

0引言

图像分类[1]在计算机视觉领域是一个经典课题，包括粗粒度图像分类和细粒度图像分类[2]。细粒度图像分类是对在同一个大类别下进行更细致的分类，如区分猫狗的品种、车的品牌或车型[3-4]及鸟的种类等，在很多情况下细粒度分类才更有实际意义。细粒度分类与粗粒度的分类不同使细粒度分类往往具有细微的类间差异，加上图像采集中存在光照、样式、角度、遮挡及背景干扰等因素影响，与普通的图像分类课题相比，细粒度图像分类的研究难度更大。

在深度学习[5]兴起之前，基于人工特征的细粒度图像分类算法，一般先从图像中提取SIFT[6]或HOG[7]等局部特征，然后利用VLAD[8]或Fisher vector[9-10]等编码模型进行特征编码。……