郭素珍 任明武

（南京理工大学计算机科学与工程学院 南京 210094）

1 引言

随着我国在世界舞台上经济政治实力的快速提高，人民币在国内外流通速度随之加快［1］。人民币鉴伪技术的发展对于保证我国金融安全，维护正常的经济秩序和社会的稳定性都具有重要的现实意义。

目前手机分辨率普遍在2000万像素，更有甚者达到4800万像素，这为利用手机人民币图像鉴伪带来了可能，但是利用手机拍摄的人民币图像难免会有变形、噪声，这使得使用手工提取手机人民币图像特征进行真伪鉴别面临很大的问题。近年来，深度学习在图像检测识别领域取得了令人瞩目的成就，相比传统的人工提取特征的图像处理方法，深度学习通过其网络在训练过程中自己学习参数来对输入图像进行特征提取，然后对输出结果进行判断并识别。现在，卷积神经网络在图像分类［2］等计算机视觉领域的应用广泛。

图像分类是计算机视觉领域的一个经典研究课题，传统的图像分类主要处理语义级图像和实例级图像两大类：前者包括诸如场景识别、对象识别等，其目的是识别不同类别的对象，如猫和狗等；后者则是对不同的个体进行分类，如人脸识别。而细粒度图像分类则位于这两者之间，不同于对象识别等粗粒度的图像分类任务，细粒度图像的类别精度更加细致，类间差异更加细微，往往只能借助于微小的局部差异才能区分出不同的类别［3］。细粒度图像分类任务一直是分类任务中极具挑战性的任务，主要原因就是数据集本身类内差异大，类间差异小的特性［4］。……