基本信息

---

下载

文档摘要

---

摘要

细粒度图像分类是计算机视觉研究的关键领域之一，具有重要的研究价值，其挑战

性在于处理的对象往往集中在同一领域，导致不同类别之间的数据特征极为相似。传统

的卷积神经网络特征提取方法，通常依赖于固定的卷积核大小和步长，这可能导致在提

取细粒度特征时缺乏足够的灵活性，且在全局信息提取上也存在明显的短板，使得分类

性能进一步提升受到了限制。因此，Transformer从一经问世就凭借其强大的全局建模能

力而备受关注，不仅进一步地提高了图像分类的准确率，还增强了模型的鲁棒性，使其

能够更好地应对各种复