细粒度图像分类任务介绍
细粒度图像分类是图像分类大类下的一个子任务,主要难点在于其图像所属类别的粒度更为精细,一般分类任务中的类间差距较大,比如猫狗数据中的猫和狗两个类别,但是细粒度分类注重分类类间差距更小的类别,例如哈士奇和阿拉斯加。细粒度分类作为分类任务中比较困难的一个子类,其数据集规模相较于一般的分类数据集要小很多。
细粒度图像分类任务的意义
细粒度图像分类有广泛的应用场景以及研究需要,例如在日常生活中或多或少存在辨识植物或者宠物品种的需求;而在严肃的生态保护以及疾病识别任务中,如果能准确识别目标类别,就可以针对性的研究。
本篇推送主要是总结各个细粒度图像分类的数据集,这些数据集涵盖了动植物、零售、汽车飞机等众多方面
细粒度图像分类任务的数据集
1. CUB-200-2011 鸟类细粒度图像分类数据集
数据集地址:
http://www.vision.caltech.edu/visipedia/CUB-200-2011.html
该数据集由加州理工学院在2010年提出的细粒度数据集,也是目前细粒度分类识别研究的基准图像数据集之一。
该数据集共有11788张鸟类图像,包含200类鸟类子类,其中训练数据集有5994张图像,测试集有5794张图像,每张图像均提供了图像类标记信息ÿ