一种基于课程学习和特征增强的细粒度目标识别方法

本发明公开了一种基于课程学习和特征增强的细粒度目标识别方法。该方法设计了一个由骨干网络ResNet50、增强式多阶段课程学习模块、判别性区域定位器和全局‑局部特征交互模块构成的细粒度目标识别网络。其中，增强式多阶段课程学习模块由本发明设计的多尺度通道注意力模块、全局最大池化和分类器构成；判别性区域定位器由本发明设计的特征增强模块和定位器构成。首先，通过特征增强模块优化定位器的输入质量，以准确定位关键区域，获取局部特征。其次，通过多尺度通道注意力模块来优化各阶段的特征表示，并结合标签平滑策略，以课程学习的方式由浅入深逐级引导判别性特征的学习。然后，通过本发明设计的全局‑局部特征交互模块将全局特征和局部特征进行有效融合。最后，通过最小化本发明设计的损失函数，利用训练集图像训练整个网络。