标题：协同精炼与反事实注意力细粒度图像识别模型
作者：陈启明 张超群 汤卫东 邱冰婕 梁弼诚 崔丹阳 罗海升
作者单位：广西民族大学人工智能学院，广西 南宁 530006
关键字：细粒度图像识别；Transformer；全局-局部协同精炼；反事实注意力；可变形卷积；多分支特征融合
摘要：针对现有细粒度图像识别方法中全局特征淹没局部细节、难以捕捉类间细微差异的局限，提出一种基于全局-局部协同精炼与反事实注意力的层次化特征精炼模型（GLCR）。首先，通过图像分块嵌入模块将输入转换为结构保持的序列表示。其次，设计全局-局部协同精炼模块，利用可变形卷积自适应建模几何形变，通过解耦注意力分离内容与位置特征，并采用门控机制融合全局轮廓与局部细节。最后，在深层引入多头反事实注意力机制，定位低权重区域生成反事实表示，通过自适应门控增强细微特征判别力。实验结果表明，所提模型在Stanford Cars和NABirds数据集上分别达到96.22%和91.95%的准确率，优于所有对比模型，且比FET的准确率提升了0.32%与0.25%，取得了较好的细粒度图像识别效果。