本篇文章总结图像分类相关论文,包含细粒度分类、医学图像分类、植物叶子等级分类等。
共计 10 篇,如有遗漏,欢迎补充。
下载包含这些论文的 WACV 2021 所有论文,请点击:
细粒度视觉分类
Fair Comparison: Quantifying Variance in Results for Fine-Grained Visual Categorization
作者 | Matthew Gwilliam, Adam Teuscher, Connor Anderson, Ryan Farrell
单位 | 杨百翰大学;马里兰大学
论文 |
https://openaccess.thecvf.com/content/WACV2021/papers/Gwilliam_Fair_Comparison_Quantifying_Variance_in_Results_for_Fine-Grained_Visual_Categorization_WACV_2021_paper.pdf
Intra-Class Part Swapping for Fine-Grained Image Classification
作者提出用于细粒度识别的 Intra-class Part Swapping(InPS)。具体来说,InPS 在正样本上执行注意力引导的交换,避免了类间的混合,减轻了混合过程中的标签噪声。
此外,利用注意力信号引导重要区域之间的交换,创造了合理的组合,消除了新样本的隐藏结构。实验表明,InPS 在细粒度分类和弱监督定位上都持续优于近期的增强方法。
与目前最先进的细粒度方法相比,InPS 在计算效率、精度和简单性方面都有优越的表现。作者称 InPS 可以进一步应用于增强低级特征,并进一步节省计算资源。
作者 | Lianbo Zhang, Shaoli Huang, Wei Liu
单位 | 悉尼科技大学;悉尼大学
论文 |
https://openaccess.thecvf.com/content/WACV2021/papers/Zhang_Intra-Class_Part_Swapping_for_Fine-Grained_Image_Classification_WACV_2021_paper.pdf
代码 | https://github.com/lbzhang/InPS
Multi-Modal Reasoning Graph for Scene-Text Based Fine-Grained Image Classification and Retrieval
本次研究中所提出的一种新架构,通过考虑图像的文本和视觉特征,在两个数据集中大大超越了以往最先进的结果,在细粒度分类上超过 5%,在图像检索上超过 10%。
作者设计一个完全端到端可训练 pipeline,融合了多模态推理模块,结合文字和视觉特征,且不依赖于集合模型或预先计算的特征。
作者在论文中提