细粒度图像分类是对图像某一类别下的子类进行细分的任务,类间差距小的特点决定了该任务需要关注更细致的图像特征。以往的大多数工作致力于使用弱监督的方式定位具有辨别性的区域,并利用局部特征进行分类。但存在定位的局部区域不够精细,以及对多粒度局部特征的利用不足等问题。针对以上问题,本文使用深度学习技术设计并构建了一系列弱监督的细粒度图像分类网络,具体内容如下:（1）融合多粒度特征的细粒度图像分类网络。本方法利用迭代学习方式来逐步调整骨干网络的不同特征提取阶段,并通过局部错位模块生成的不同粒度的输入图像。将不同的特征提取阶段对应到不同粒度上,实现了用一个骨干网络提取多粒度特征的效果。同时利用迭代学习方式逐层传递经验信息,从而挖掘出粒度互补的信息。引入注意力模块进行精细化特征筛选。为充分利用多粒度局部特征互补性,可变性卷积模块将筛选后的多粒度特征映射到同一特征空间并融合。最后分类器利用融合特征进行最终分类。（2）基于视觉Transformer的局部特征反馈网络。为了扩展视觉Transformer的感受野以适应细粒度图像分类的任务,本方法提出局部选择模块。在不引入额外参数的情况下,利用网络训练过程中产生的自注意力权重图来衡量图像补丁的重要性,从而定位到图像中最具辨别性的局部区域。之后通过局部反馈通道将对应区域的原图像裁剪放大后重新输送给网络作为输入,并让整体网络根据局部特征的特点进行参数调整。达到让网络适应整体图像特征和局部图像特征的目的,从而提高网络的分类效果。（3）基于视觉Transformer的特征选择和融合网络。本方法提出了交叉轴注意模块,用来衡量各个补丁与类别编码间的相似度。并选择出相似度高的补丁作为辨别性补丁,在除去最后一层的Transformer编码器的每一层中重复该步骤来提取足够的辨别性补丁。并引入特征融合模块,聚合类别编码和所有的辨别性补丁作为融合特征。后将其送入最后一层Transformer编码器,让类别编码学习聚合后的图像的局部和低级特征,达到让网络增强对于多粒度特征的敏感度的目的。综上所述,本文主要使用注意力机制来提高细粒度分类网络对辨别性特征的定位能力,并使用不同的特征融合的方式增强网络对多粒度特征的敏感度。本文所提出的三个网络模型的有效性均在常用的细粒度图像分类数据集上得到了实验验证。