论文阅读(1)--Fine-grained Image Classification by Exploring Bipartite-Graph Labels

这是阅读《Fine-grained Image Classification by Exploring Bipartite-Graph Labels》这篇论文所做的笔记。

这篇论文是来自NEC实验室，是一篇有关细粒度分类/精细分类方面的论文。

0. 摘要

首先提出一个问题，给定一张食物的图片，对于一个细粒度物体识别机器是否可以给出该食物是属于哪家饭店以及其食物名称。这是一个超细粒度图片识别问题，也是许多根据图片进行搜索的关键问题，但是由于训练数据缺乏，这个问题变得非常有挑战性，需要能识别出类间的非常微小的差异。不过，论文给出一个观点，the ultra-fine granularity naturally brings rich relationships among object classes，也就是说这种超细粒度在类间是有着丰富的关联的。基于这个观点，论文提出一种新的方法来利用这种关联，方法称为bipartite-graph labels (BGL)，双偶图标记。然后论文会展示如何在卷积神经网络上使用这个方法，并且这种方法会由于其双边结构而提高计算效率，然后还建立了一个来自6家饭店，总共975个类别，37885张图片的数据库，会对这个数据库以及其他三个数据库使用这个方法，并且实验结果都是有所提高的。

1. 介绍

首先是列举了十来篇论文是有关细粒度分类的论文，包括狗，鸟，花卉，植物，车，食物，衣服，字体等说明细粒度图像分类的任务是对一些基类在纵向上的分类，或者说就是将这些基类比如狗，要进行更细致的划