Para tareas de reconocimiento de imágenes de grano fino donde es fácil pasar por alto características pequeñas potenciales y existen diferencias sutiles en la apariencia, se propone una red de reconocimiento de grano fino basada en una selección aleatoria de atención doble y contexto global. Primero, se utiliza ConvNeXt como red principal y se propone un módulo de selección aleatoria de atención doble que realiza selección aleatoria de canales y espacial en diferentes etapas, permitiendo que la red se centre en otras características discriminativas potenciales pequeñas; segundo, utilizando un módulo de atención de contexto global se integran las características semánticas profundas en capas intermedias para mejorar la capacidad de localizar características pequeñas; finalmente, se propone una pérdida de múltiples ramas que introduce pérdida de clasificación en capas intermedias, profundas y concatenadas, combinando características extraídas de diferentes ramas para inducir a la red a obtener características discriminativas diversas. La red propuesta alcanzó precisiones de reconocimiento del 95.2%, 92.1%, 94.0% y 97.0% en los conjuntos de datos públicos de Stanford-cars, CUB-200-2011, FGVC-Aircraft y el conjunto de datos de modelos en escenas reales VMRURS, con una mejora significativa en comparación con otros métodos.

reconocimiento de grano fino; ConvNeXt; selección aleatoria de atención doble; atención de contexto global; pérdida de múltiples ramas