AAAI 2020 | 反向R？削弱显著特征为细粒度分类带来提升

正文

请到「今天看啥」查看全文

的独立特征图。diversification block的核心思想是抑制 中的明显区域，从而迫使网络去提取其它区域的特征，主要面临两个问题：1) 抑制哪些特征？2) 怎么抑制?

1）Mask Generation

下面解释如何产生用于指明抑制区域的mask，定义 ， 是二值抑制mask对应特征图 ，1表示抑制，0表示不抑制。

• Peak suppression

首先对特征图的峰值进行随机抑制，因为这是对分类器最显著的部分， 是 的峰值mask，'*'是element-wise的相乘，而 是服从伯努利分布的随机值，即有 的概率为1。

• Patch suppression

将每个 分成多个固定大小的patch，定义l行m列的patch为 ，

请到「今天看啥」查看全文