技术特征：1.一种基于双流多尺度混合阶特征融合的细粒度图像识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于双流多尺度混合阶特征融合的细粒度图像识别方法，其特征在于，所述步骤1中对图像进行预处理，具体步骤为：
3.根据权利要求1所述的基于双流多尺度混合阶特征融合的细粒度图像识别方法，其特征在于，所述步骤2中先计算混合阶特征，再融合底层特征，具体步骤为：
4.根据权利要求1所述的基于双流多尺度混合阶特征融合的细粒度图像识别方法，其特征在于，所述步骤2中先融合底层特征，再计算混合阶特征，具体步骤为：
5.根据权利要求1所述的基于双流多尺度混合阶特征融合的细粒度图像识别方法，其特征在于，所述步骤3中将双流网络两支路的混合阶特征进行融合，利用融合后的特征预测细粒度类别，具体步骤为：
技术总结本发明公开了一种基于双流多尺度混合阶特征融合的细粒度图像识别方法，包括：1、对输入图像进行预处理；2、利用双流基础网络提取图像特征，计算混合阶特征以及融合底层特征；3、将双流网络两支路的混合阶特征进行融合，利用融合后的特征预测细粒度类别。该方法利用双流网络提取细粒度图像的混合阶特征，此特征融合了原始卷积特征的一阶和二阶统计信息，在关注图像高阶特征信息的同时也并未忽略原始特征中的信息，因此具有很好的表征能力，解决了现有方法特征提取不充分的问题；使用融合底层混合阶特征、融合双流网络两支路混合阶特征的方法，解决了现有方法特征利用不充分的问题；给出了融合底层特征的轻便化可选实施方案，能够提升模型的识别推理速度。本发明在CUB‑200‑2011公开数据集上仅使用弱监督信息达到了较高的识别准确率，且能满足实时性检测任务的要求。
技术研发人员：杨绿溪,季晟宇,马翔,江志康,陈家豪,徐琴珍,俞菲
受保护的技术使用者：东南大学
技术研发日：技术公布日：2024/5/10