1.细粒度图像分析任务(又叫子类别图像分类)
分类:强监督(物体标准框、局部标注点)、弱监督(无人工标注信息或者只包含物体标注框);
图 1 细粒度图像识别与粗类识别的区别
数据集描述:Caltech-UCSD Birds-200-2011
图 2 数据集的描述展示
2.细粒度图像分割的相关任务
2.1 两级注意力模型
图 3 细粒度识别的框架
两级注意力模型(关注的是两个不同层次级的特征,其中物体级(强监督模型中的物体标注框)和局部级(强监督模型中局部标注点)的特征)
Selective Search产生大量的局部区域,对于对象级的分类有很多成熟的模型(比如alenet和VGGnet),对于局部级的分类首先对其进行谱聚类,然后进行特征提取,最后将这两类特征进行级联,得到较高的分类精度(77.9%)。
2.2 星座模型
图 4 星座模型的图示
此时使用卷积特征产生的关键点作为局部区域,因为此时通过实验对卷积特征的可视化发现,卷积特征享有比较高的区域往往是原图中潜在的局部区域&#x