一种可解释性细粒度图像识别方法、装置、设备及介质

本发明提供了一种可解释性细粒度图像识别方法、装置、设备及介质，涉及细粒度图像识别技术领域，本方法采用双分支结构框架，结合特征融合和原型学习进行细粒度图像分类。其中，特征提取层通过自注意力机制捕获图像中的复杂模式和长距离依赖，同时引入特征选择融合模块，有效选择原型学习的信息标记，确保学习到的原型更注重前景。原型学习层设计了双分支结构，分别处理和学习图像的全局原型和局部原型，提高网络的准确率，并从全局的角度解释模型分类结果。全连接层实现最终的分类决策，通过加权和得到最终分类概率。旨在解决现有深度学习模型在细粒度图像分类问题上的黑盒特性，提高模型在高风险领域的应用可信度。