近年来,随着计算机硬件水平的日益提高和深度网络的不断发展,通用的图像分类技术已经趋近成熟,但在很多实际的应用场景中,人们需要对事物进行更为精细的划分,如濒危物种保护、商品自动识别等,由此产生了细粒度图像分类研究。细粒度图像分类主要是针对特定类别事物的子类别进行划分,细粒度图像通常具有类间差异小、类内差异大的特点,用以辨别不同子类的特征往往隐藏在局部区域中且十分细微。因此,如何全面准确地学习到这些显著性区域的判别性特征是解决细粒度图像分类问题的关键。本文以ResNet50为基础网络,采用NTS-Net的显著性区域定位方法,围绕如何提取和融合细粒度图像显著性区域的信息展开相关研究工作。本文的主要工作如下:1.构建了一种基于显著性区域多注意力特征融合的细粒度图像分类模型。NTS-Net已经被证明能够有效解决细粒度图像分类中显著性区域的定位问题,但该方法使用深度网络作为特征提取器来获取显著性区域的信息,没有考虑到不同卷积层和不同维度的特征对于细粒度图像分类模型性能的影响。因此,本文设计了一种基于显著性区域多注意力特征融合的细粒度图像分类模型,该模型通过联合基于低级语义特征的空间注意力模块和基于高级语义特征的通道注意力模块,能够更好地学习到显著性区域的关键信息。2.提出了一种基于显著性区域多尺度特征融合的细粒度图像分类方法。由于不同显著性区域的特征对最后输出的贡献是不一样的,突出贡献大的特征能提升分类模型的性能。同时,不同尺度的显著性区域特征能提供该局部不同层次的信息,从而为最终的细粒度图像分类任务提供更为丰富的特征信息。因此,本文在前期工作的基础上提出了一种多尺度特征融合的细粒度图像分类方法。该方法在几乎不引入任何新的参数的前提下,以较小的计算开销自适应地为每个显著性区域分配不同的权值,以突出更有判别性的显著性区域的特征,然后用多尺度的方式提取显著性区域的特征,进一步提升了分类模型的性能。