细粒度分类精度新高
通过多频邻域与双交叉调制协同作用，该网络在极少量样本下有效弥合类内差异并捕捉类间细微判别特征，实现细粒度识别性能的显著提升。
Zhu, Hegui · Gao, Zhan · Jiayi, Wang · Yange, Zhou · 李澄清
IEEE Transactions on Multimedia 2024
多频邻域表示不依赖背景，能减小类内距离，从而在少量样本下识别细粒度类别。
双交叉调制利用全局上下文和类间关系对齐支持与查询特征，使其响应相同部位，从而准确识别细微类间差异。
在三个细粒度基准数据集上的两种少样本任务中均优于现有方法，其中在鸟类和汽车数据集上分别达到 93.17% 和 95.36%，超越通用细粒度分类方法的基准。