细粒度分类：B-CNN论文笔记——Bilinear CNN Models for Fine-grained Visual Recognition

已于 2024-11-06 21:29:05 修改
阅读量906 收藏 3
点赞数 2
分类专栏： 细粒度分类经典论文及源码笔记 文章标签： 细粒度分类 计算机视觉 论文阅读 论文笔记 cnn
于 2023-06-23 18:29:06 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_50001789/article/details/131352971
版权
本文详细介绍了《Bilinear CNN Models for Fine-grained Visual Recognition》论文，探讨双线性模型如何应用于细粒度图像分类。通过两个CNN特征提取器的外积操作，捕捉特征通道间的成对相互关系，增强模型对局部特征交互的理解。论文展示了不同结构的双线性模型在细粒度分类任务中的效果，并进行了端到端的训练和精度对比。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

细粒度分类：B-CNN——Bilinear CNN Models for Fine-grained Visual Recognition

综述

论文题目：《Bilinear CNN Models for Fine-grained Visual Recognition》
会议时间：IEEE International Conference on Computer Vision 2015 (ICCV 2015)

论文地址：https://www.cv-foundation.org/openaccess/content_iccv_2015/papers/Lin_Bilinear_CNN_Models_ICCV_2015_paper.pdf

代码链接（PyTorch版本，非官方）：https://github.com/HaoMood/bilinear-cnn

针对领域：细粒度图像分类(FGVC)

  本文只介绍了双线性模型的网络结构，原论文中还推广了各种无顺序纹理的描述(texture descriptors)，感兴趣的同学可以去看一下原文。

了解本专栏 订阅专栏 解锁全文
细粒度分类：Cross-X论文笔记——Cross-X Learning for Fine-Grained Visual Categorization
qq_50001789的博客
06-23 413
论文题目《Cross-X Learning for Fine-Grained Visual Categorization》 本文提出了一种用于细粒度分类的Cross-X网络结构，通过探索不同图像、不同层特征之间的联系，来学习稳定的细粒度特征。通过围绕“相同语义部分的特征虽然来自不同类别的不同图像，但应该比不同语义部分的特征更相关”这一思想，设计了C3S正则化器来优化网络语义特征的提取能力，并且设计了CL损失来让网络学习更稳定的特征，提高了鲁棒性。
细粒度分类：RA-CNN源码笔记——Look Closer to See Better: Recurrent Attention Convolutional Neural Network
最新发布
qq_50001789的博客
06-23 556
论文题目《Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition》源码笔记
Bilinear CNNs for Fine-grained Visual Recognition
cdknight_happy的专栏
10-23 1461
1 简介 细粒度识别即对隶属于同一类的目标进行分类，包括鸟的物种识别、汽车的型号识别和狗的品种识别。细粒度识别高度依赖目标的局部特征，例如，要将“加利福尼亚鸥”与“环嘴鸥”区分开来，需要识别其喙上的图案或它们羽毛的细微颜色差异。两类技术适合于解决细粒度分类任务。一是基于部件的识别模型，这些模型检测并提取部件的特征进行细粒度的类别区分。另一种方法是基于全局图像的整体模型。基于部件的模型往往更加精确，...
论文笔记--Bilinear CNN Models for Fine-grained Visual Recognition
qq_45542288的博客
01-09 323
在不使用边框信息的CUB-200-2011的训练结果上，加入平方根+l2归一化的准确率为75.1%，仅使用l2归一化时为71.7%，不进行归一化时为69.3%，具有巨大的性能差异，值得之后思考和实验尝试。具体的网络架构中，作者将两组不同的CNN分别称为M-Net和D-Net。在网络的前向传播过程中，输入图像在经过卷积网络，sum-pooling，square-root和l2归一化后，D-Net的输出大小为28x28，M-Net的输出大小为27x27。为了方便之后的合并，作者舍去了D-Net的一行和一列。
论文笔记之： Bilinear CNN Models for Fine-grained Visual Recognition
a1424262219的博客
05-30 1093
Bilinear CNN Models for Fine-grained Visual Recognition CVPR 2015 　　 　　本文提出了一种双线性模型( bilinear models)，一种识别结构，该结构由两个特征提取器产生，两个输出是图像每一个位置的外积(outer product)，然后进行 pool，得到最终的图像描述算子。这种结构可以对局部 ...
ICCV 2015 B-CNN细粒度分类
weixin_30421809的博客
06-19 698
哈哈，好久没写博客了。。。。最近懒癌发作~~主要是因为心情不太好啊，做什么事情都不太顺心，不过已经过去啦。最近一直忙着公司的项目，想用这个网络，就给大家带来了的这篇文章。可能比较老，来自ICCV 2015的一篇关于细粒度分类的文章，文章：B-CNN。由于文章比较简单，我就不介绍的那么详细啦~ 科普下：粗粒度与细粒度分类 粗粒度：比如猫狗猪这种差别比较大的。 细粒度：狗类别中，识别是什么品种的...
Bilinear CNN Models for Fine-grained Visual Recognition
qq_41200212的博客
02-06 953
本文提出了双线性CNN，一种有效地将图像表示为两个CNN特征的池化外积的架构，该架构能有效用于细粒度识别任务中。这些模型捕获了局部的部件特征交互，类似于基于部件的模型，但也可以看作是一种无序的纹理表示。基于这种观察，本文提出了一类端到端可训练的双线性模型，这类模型在经典的图像表示上进行推广，如二阶池化、Fisher向量、局部聚合描述符和视觉词袋。这允许通过近似反演对学习到的模型进行特定领域的微调和可视化。通过大量的实验，本文展示了这些模型在各种细粒度、纹理和场景识别数据集上提供了更好的精度、速度和内存权衡。
Bilinear CNN Models for Fine-grained Visual Recognition论文总结
DBG的博客
11-16 9152
双线性定义：包含两个特征提取器，其输出经过外积(外积WiKi)相乘、池化后获得图像描述子。 -作者思路 局部模型高效性的原因：本文中，作者声称局部推理的高效性在于其与物体的位置及姿态无关。纹理表示通过将图像特征进行无序组合的设计，而获得平移无关性。 纹理表征性能不佳的思考：基于SIFT及CNN的纹理表征已经在细粒度物体识别上显示出高效性，但其性能还亚于基于局部模型的方法。其可能原因就是纹理表示的...
Bilinear CNN Models for Fine-grained Visual Recognition 通过双线性CNN的细粒度模式识别
weixin_43120238的博客
11-09 663
Abstract 双线性模型包括了两个特征提取网络，图像的特征表达随后通过对这两个特征提取网络的输出做外积然后池化而得到。该方法能更好地提取对细粒度分类有用的local pairwise特征。 Introduction 第一段：细粒度识别任务的挑战。 第二段：常用的方法包括检测目标的不同部位；缺点：标注比收集image更难/手工选取的part不是optimal的。 第三段：另一种方法：使用robust image representation，如VLAD、Fisher vector等。尽管这些方法.
15-ICCV-Bilinear CNN Models for Fine-grained Visual Recognition
weixin_44742887的博客
04-02 1006
Bilinear CNN（双线性） 1、特征学习方式：两个网络学习同一张图片 2、特征融合方式： 对应位置的两个特征描述符求外积，所有位置求和池化（SCDA视角类似） 传统的特征融合方法： sum/avg：只用了一阶信息。bilinear pooling 用了二阶统计信息，意在当一阶信息相同的时候利用二阶信息的不同来做分类。 feature concatenation：从代数上可以看做direct sum。 bilinear pooling可以看做direct product。特
Bilinear-CNN-TensorFlow-master.zip_Windows编程_LINUX_
08-10
双线性cnn的实现过程
matlab精度检验代码-bilinear-cnn:卷积神经网络的双线性池
05-22
matlab精度检验代码概述 该存储库包含用于训练双线性（二阶）CNN的PyTorch实现。 下面列出的系列作品研究了卷积特征的双线性合并以实现细粒度的识别。 该存储库构建对称的BCNN，它们将图像表示为CNN激活的协方差矩阵。 可以在PAMI 2017论文和中找到更多详细信息。 ，林宗玉，Aruni RoyChowdhury和Subhransu Maji，ICCV 2015 ，林宗玉和Subhransu Maji，CVPR 2016 ，林宗玉和Subhransu Maji，BMVC 2017 ，林宗玉，Aruni RoyChowdhury和Subhransu Maji，PAMI 2017 ，林宗玉，Subhransu Maji和Piotr Koniusz，ECCV 2018 特别是，我们提供以下代码： 训练BCNN模型 训练改进的BCNN模型（通过矩阵平方根归一化） 用二阶民主聚合训练CNN模型 使用BCNN表示法反转细粒度类别 前提条件可以通过pip install -r requirements.txt进行安装。 可以在项目网页中找到Matlab和MatConvNet中原始实现的
[2015-ICCV].Bilinear CNN Models for Fine-grained Visual Recognit
08-03
在细粒度视觉识别领域，Bilinear CNN Models for Fine-grained Visual Recognition提出了一种简单而有效的架构，称为Bilinear Convolutional Neural Networks（B-CNNs）。这种网络通过两个CNN提取的特征之间的外积...
细粒度分类：WS-DAN论文笔记——See Better Before Looking Closer: Weakly Supervised Data Augmentation Network
qq_50001789的博客
06-23 483
本文通过将弱监督学习和数据增强相结合，提出了一种弱监督数据注意力网络，弱监督学习为数据增强提供空间分布(即注意力)，数据增强鼓励学习多样性的注意力，他们相互促进，共同优化网络，使得网络能够学到来自多个局部区域的判别图像特征。
Bilinear CNN Models for Fine-grained Visual Recognition-笔记
雪碧橙子
05-01 1711
我们提出一个新的识别结构：bilinear CNN，它是由两个特征提取器组成，它们的输出在对应的位置进行外积相乘，形成最好的图像表示。
论文笔记 | 基于双线性CNN模型的细粒度视觉识别
热门推荐
kangdk 视其所以，观其所由，察其所安。
01-11 1万+
细粒度视觉识别之双线性CNN模型 [1] Lin T Y, RoyChowdhury A, Maji S. Bilinear cnn models for fine-grained visual recognition[C]//Proceedings of the IEEE International Conference on Computer Vision. 2015: 1449-1457.
Bilinear CNN 《Bilinear CNNs for Fine-grained Visual Recognition》
jessican_uestc的博客
10-23 3311
Bilinear CNN 《Bilinear CNNs for Fine-grained Visual Recognition》 深度学习成功的一个重要精髓，就是将原本分散的处理过程，如特征提取，模型训练等，整合进了一个完整的系统，进行端到端的整体优化训练。不过，在以上所有的工作中，我们所看到的都是将卷积网络当做一个特征提取器，并未从整体上进行考虑。最近，T.-Y. Lin、A.RoyChow...
Bilinear CNN
小花生的博客
10-24 8582
Bilinear CNN 参考论文： Tsung-Yu Lin, Aruni RoyChowdhury, and Subhransu Maji. Bilinear CNN models for fine-grained visual recognition. ICCV 2015: 1449-1457. Tsung-Yu Lin, Aruni RoyChowdhury, and Subhransu...
Bilinear CNN：细粒度图像分类网络，对Bilinear CNN中矩阵外积的解释。
qq_43799400的博客
06-07 1883
Bilinear CNN：细粒度图像分类网络。
细粒度视觉识别工具：B-CNN的Matlab实现
这个模型首次在ICCV 2015（国际计算机视觉大会）上提出，并在一篇名为'Bilinear CNNs for Fine-grained Visual Recognition'的论文中被详细描述。论文的作者们在文档中引用了他们的研究成果，提供了关于如何使用这套...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

视觉萌新、

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值