Hierarchical Feature Attention Learning Network for Detecting Object and Discriminative Parts in Fine-Grained Visual Classification
Notice bibliographique
Résumé
This paper proposes a novel hierarchical feature attention learning network for improved fine-grained visual classification (FGVC). Existing fine-grained classification methods rely heavily on attention mechanisms to differentiate minute details of similar objects. These mechanisms often assume that critical locations have a similar scale and are uniquely localizable, which is not always accurate. For instance, the size of a bird may vary across images, and the color of its beak might only be significant for species identification when its wing and tail colors are specific. This paper addresses this limitation by proposing a so-called hierarchical feature attention learning network, which initially focuses on the target object within the image, followed by multi-headed attention to identify key discriminative locations (patches). Especially, we develop a novel hierarchical attention approach that appropriately reduces misleading attentions by considering the object’s size for capturing correct attention parts. In addition, the proposed multi-headed attention allows for examining more complementary attention parts to identify the most discriminative features. Further, our framework is implemented as an architectural constraint, eliminating the need for object or part-level annotations in a weakly supervised detection manner. We conducted extensive and comparative experiments on three benchmark datasets: NABirds, CUB-200, and Oxford 102 Flower. The results demonstrate that our proposed hierarchical attention approach provides a robust and efficient solution for improved FGVC. Specifically, our method achieved a top-1 accuracy increase of approximately 93.0%, 92.7%, and 99.4% on the CUB-200-2011, NABirds, and Oxford 102 Flower benchmarks, respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».