一.文献名字和作者
A Codebook-Free and Annotation-Free Approach for Fine-Grained Image Categorization, CVPR2012
二.阅读时间
2014年12月3日
三.文献的目的
为了解决细粒度分类中,由于样本标注和人工参与比较少的情况下,传统分类算法无法使用的情况,作者提出了一种不需要字典无关和标注无关的细粒度分类方法。
四.文献的贡献点
作者提出了一种字典无关和标注无关的细粒度物体识别框架。作者提出的算法能够通过一个高效的模板匹配算法直接对图像区域进行匹配来获得物体类别之间的细小差别。然后作者使用大量的模板在图像中的响应值作为图像的特征,后面使用新的bagging-based算法,该算法通过将一系列有很强分类能力但是保持相关性很低的分类器的结果进行平均来得到最后的分类结果。