一种基于自评估分类器的细粒度视觉分类方法及系统

本发明公开了一种基于自评估分类器的细粒度视觉分类方法及系统，涉及计算机视觉和模式识别技术领域，包括采集图像数据，通过粗粒度分类器对预处理后的图像数据进行初步分类；构建联合表示生成方法，对词嵌入方法输出结果和预处理后的图像数据进行联合表示；基于联合表示结果，对初步分类结果进行二次评估，生成细粒度分类结果，并剔除无用背景信息及细粒度分类无用信息丰富区域。本发明所述方法通过自评估分类器，有效减少模糊类别的错误分类，提升分类的准确性；利用词嵌入方法和特征图联合表示，增强模型区分模糊类别之间的能力；提出一种新的Dropping方法，通过注意力图识别并去除导致错误分类的区域和无用的背景噪声，进一步提升分类效果。