Angesichts der Problematik, dass bei Aufgaben der fein granulierten Bildklassifikation kleinste potenzielle Merkmale leicht übersehen werden und visuelle Unterschiede fein sind, wird ein fein granuliertes Erkennungsnetzwerk auf Basis der zufälligen Auswahl mit doppelter Aufmerksamkeit für globalen Kontext vorgeschlagen. Zunächst wird ConvNeXt als Backbone-Netzwerk verwendet und ein Modul zur zufälligen Auswahl mit doppelter Aufmerksamkeit vorgeschlagen, das Kanal- und räumliche Auswahl in verschiedenen Phasen durchführt, sodass das Netzwerk auch andere potenzielle kleine diskriminierende Merkmale fokussieren kann; zweitens wird mittels eines Moduls für globale Kontextaufmerksamkeit die semantische Information tiefer Merkmale in mittlere Schichten integriert, um die Fähigkeit der mittleren Schichten zur Lokalisierung kleiner Merkmale zu stärken; schließlich wird ein Mehrzweig-Verlust vorgeschlagen, der Klassifikationsverluste in mittlere, tiefe und zusammengesetzte Merkmale einführt und durch die Kombination der Merkmale aus verschiedenen Zweigen das Netzwerk dazu anregt, vielfältige diskriminierende Merkmale zu erlangen. Das vorgeschlagene Netzwerk erreichte Erkennungsgenauigkeiten von 95,2 %, 92,1 %, 94,0 % und 97,0 % auf den offenen fein granulierten Datensätzen Stanford-cars, CUB-200-2011, FGVC-Aircraft und dem realen Fahrzeuggenerierungsdatensatz VMRURS und zeigt eine erhebliche Leistungssteigerung gegenüber anderen Vergleichsmethoden.

fein granulierte Erkennung; ConvNeXt; doppelte Aufmerksamkeit mit zufälliger Auswahl; globale Kontextaufmerksamkeit; Mehrzweig-Verlust