細粒度画像認識タスクにおいて、小さな潜在的特徴が見落とされやすく外観の差異が微細である問題に対して、双注意力ランダム選択グローバルコンテキスト細粒度認識ネットワークを提案する。まず、ConvNeXtをバックボーンとして使用し、双注意力ランダム選択モジュールを提案し、異なる段階で抽出された特徴に対してチャネルランダム選択および空間ランダム選択を行い、ネットワークが他の潜在的で微細な判別特徴に注目できるようにする。次に、グローバルコンテキスト注意モジュールを利用して深層特徴のセマンティック情報を中間層に融合し、中間層の微細特徴位置決め能力を強化する。最後に、多分支損失を提案し、中間層、深層、および結合層の特徴に分類損失を導入し、異なる分支で抽出された特徴を組み合わせてネットワークが多様な判別特徴を獲得するように誘導する。提案ネットワークは、Stanford-cars、CUB-200-2011、FGVC-Aircraftの3つの公開細粒度データセットおよび実シーン車種データセットVMRURSで、それぞれ95.2%、92.1%、94.0%、97.0%の認識精度を達成し、他の比較手法と比較して性能が大幅に向上した。

細粒度認識; ConvNeXt; 双注意力ランダム選択; グローバルコンテキスト注意; 多分支損失