Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition论文翻译

Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition

细粒度分类一直是图像分类中的一个难点，近年来基于深度学习的图像分类发展迅速，细粒度分类也发展出了很多优秀的模型，早期的多阶段模型是通过引入一个辅助网络来融合位置信息到主分类网络中，或者通过一个复杂的特征编码方式来获得高阶特征统计，而最近的端到端模型从根本上强化了mid_level CNN的学习能力。作者在论文中通过实验表明了mid_level 特征学习可以在CNN 网络结构中得到强化，通过学习一个卷积过滤器库来捕获特定种类辨别性块（patch）而不需要额外的部分或者边界框注释。
当前的细粒度方法可大致分为2类：Localization-calssification subnetworks 和end-to-end feature encoding.
第一类是定位分类子网络，由定位网络辅助的分类网络组成。这些方法背后的共同动机是首先找到相应的部分，然后比较它们的外观。第一步要求语义部分（例如鸟的头部和身体）在对象类之间共享，鼓励各部分的表示形式相似;但是，为了有辨别力，第二步鼓励part represnetations随着类别的不同而不同，该算法在识别能力和定位能力之间存在着微妙的冲突，这可能会降低单个集成网络的分类性能。这种权衡也反映在实践中，因为训练通常涉及两种网络的交替优化，或分别训练两种网络，然后进行联合调谐。交替或多级叠加使集成网络的调谐复杂化。第二类，端到端特征编码，通过对卷积特征映射的高阶统计量进行编码，增强CNN的中层学习能力。与定位分