特征推理分类网络

一个结合图像修复与分类的推理网络，通过特征推理复原被遮挡和干扰的内容，显著提升复杂图像分类性能。

Xiao, Qingguo · 李光耀 · 陈侨川

Neurocomputing 2023

技术优势

提升分类准确率

在多个主流分类模型和数据集上均显著提升分类性能，无需修改原模型结构。

可即插即用

该方案可直接应用于现有分类模型，如 AlexNet、ResNet50 等，无需重新训练基础模型。

处理遮挡干扰

通过特征推理修复被遮挡和干扰的区域，使分类网络能够基于更完整的图像信息进行判断。

应用场景

• 智能视觉系统：提升遮挡场景下的识别准确率，增强系统可靠性。
• 工业视觉检测：在缺陷被遮挡时仍能有效识别，减少漏检。
• 机器视觉：为复杂场景下的视觉任务提供一种通用的预处理方案。