文献类型：期刊文章

作　　者：葛疏雨[1] 高子淋[1] 张冰冰[1] 李培华[1]

GE Shu-vu;GAO Zi-lin;ZHANG Bing-bing;LI Pei-hua(School of Information and Communication Engineering, Dalian University of Technology, Dalian, Liaoning 116024 , China)

机构地区：[1]大连理工大学信息与通信工程学院

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61471082)

年　　份：2019

卷　　号：47

期　　号：10

起止页码：2134-2141

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：双线性卷积网络(Bilinear CNN,B-CNN)在计算机视觉任务中有着广泛的应用.B-CNN通过对卷积层输出的特征进行外积操作,能够建模不同通道之间的线性相关,从而增强了卷积网络的表达能力.由于没有考虑特征图中通道之间的非线性关系,该方法无法充分利用通道之间所蕴含的更丰富信息.为了解决这一不足,本文提出了一种核化的双线性卷积网络,通过使用核函数的方式有效地建模特征图中通道之间的非线性关系,进一步增强卷积网络的表达能力.本文在三个常用的细粒度数据库CUB-200-2011、FGVC-Aircraft以及Cars上对本文方法进行了验证,实验表明本文方法在三个数据库上均优于同类方法.

关 键 词：核化双线性聚合  双线性卷积网络  端到端学习  细粒度图像分类  

分 类 号：TP391]