细粒度图像分类是计算机视觉领域中一个非常热门且具有挑战性的研究课题,在工业界与学术界都有着广泛的研究需求与应用场景。在实际生活中,识别不同的子类别存在着巨大的应用需求,如:智能零售场景下的商品识别、公共安防场景下的车辆识别、危险品检测和识别、生物多样性监测等,特别是在智能新经济和工业互联网的产业应用中展现出巨大应用价值。但目前细粒度图像分类任务的主要挑战是类间差异小和类内差异大的固有属性,具体包含以下几点:（1）训练过程中会存在细节纹理的丢失问题;（2）不显著但同样具有区分性的特征无法得到充分挖掘;（3）细粒度图像数据集中存在较为复杂的背景噪声;（4）主干网络不同卷积层提取的不同特征无法得到有效融合等。本文将针对以上挑战对细粒度图像分类展开一系列的分析与研究。基于特征增强与特征融合思想,本文提出两种通用模型,均可从不同角度解决上述问题,以提高细粒度图像分类的准确率;此外,本文通过剖析两个模型所用方法,将两个模型的优势方法融合进一个集成模型中,从而进一步提升细粒度图像分类的性能。本文的主要工作如下:1.针对细节纹理丢失和区分性特征难以挖掘的问题,本文提出了一种渐进式训练的互补特征提取网络模型（Progressive Complementary Feature Extraction Network,PCFE-Net）,具体包括:（1）一种多尺度渐进式训练方法:将不同尺度的随机拼图图像进行多步骤渐进式训练。这能够使网络提取到多粒度的局部特征信息,并随着训练的推进将注意力逐渐扩展到全局结构信息,以进行多粒度信息融合。（2）一个即插即用的特征互补增强模块（Feature Complementary Enhancement Module,FCEM）,它能够显式的增强当前层网络提取到的特征,同时还能使下一层网络提取潜在的互补特征信息。该模型在四个细粒度图像基准数据集上进行了各项实验。2.针对复杂背景噪声干扰和层间特征融合效果不佳的问题,本文提出了一种显著性特征抑制与交叉特征融合网络模型（Significant Feature Suppression and Cross-feature Fusion Network,SFSCF-Net）,具体包括:（1）对象级图像生成器（Object-level Image Generator,OIG）:将主干网络最后两个卷积块输出特征图的交集作为对象掩膜,映射到原始图像上进行裁剪即可得到对象级图像,这能有效减少复杂背景带来的干扰。（2）显著性特征抑制模块（Significant Feature Suppression Module,SFSM）:通过特征提取器获取对象图像中最具区分性的部分,并通过二维抑制的方法将该部分进行遮盖,提高了特征抑制的精度。（3）一种基于层间交互的交叉特征融合方法（Cross-feature fusion method,CFM）:将不同网络层的输出特征图进行交互集成,并在池化后得到高维特征,之后将高维特征进行通道压缩从而得到层间交互特征表示,丰富了输出特征语义信息。所提出的SFSCF-Net可以进行端到端训练,并在四个细粒度图像基准数据集上进行了各项实验。3.为了将上述两个模型的优势进行最大化集成,以进一步提高模型的识别性能,本文提出了一种多尺度渐进式互补特征融合网络模型（Multi-scale progressive complementary feature fusion network,MPCF-Net）,该模型进一步优化了一种显著性特征互补增强模块（Significant Feature Complementary Enhancement Module,SFCEM）,能够最大化融合不同尺度和不同网络层的互补特征。通过对该模型进行大量的消融实验,验证得出了一种最优模型架构,并在四个细粒度图像基准数据集上均取得了较好的结果。