细粒度分类

1、什么时候用？

针对同一类中不同子类进行分类

关注：扩大类内差距

• 语义分割（semantic segmentation）进行稠密预测（dense prediction）推断每个像素点的类标签，通过这种方式，区域或物体内的像素点被标记为相应的类别。
• 物体分割（instance segmentation）：分别标记同一类的不同物体，甚至是基于部分的分割（part based segmentation），将已经分割出的类进一步分割为底层的组成部分。

 

 

2、本质：如何有效地对前景对象进行检测，并从中发现重要的局部区域信息

 

3、分类

基于强监督信息的细粒度图像分类模型 ：

             为了获得更好的分类精度，除了图像的类别标签外，还使用了物体标注框（object bounding box）和部位标注点（part annotation）等额外的人工标注信息