细粒度视觉分类
文章平均质量分 90
小源1108
这个作者很懒,什么都没留下…
展开
-
阅读论文:Locally-Enriched Cross-Reconstruction for Few-Shot Fine-Grained Image Classification
当仅采用通常嵌入模块的基本特征进行重建时,对判别局部信息的阐述并不充分,而判别局部信息对于判别高相似性的细粒度图像的子类别至关重要。我们提出了一种新的局部内容丰富交叉重建网络(LCCRN),用于小样本细粒度分类。在LCCRN中,我们设计了两个新的模块:局部内容丰富模块(LCEM)用于学习判别性局部特征,交叉重构模块(CRM)用于将局部特征与从单独嵌入模块获得的外观细节充分融合。分类分数的计算基于交叉重构任务的重构误差加权和,权重从训练过程中学习。代码。原创 2024-02-09 16:40:14 · 1022 阅读 · 0 评论 -
阅读论文:ABC-Norm Regularization for Fine-Grained and Long-Tailed Image Classification
现实应用中的图像分类通常涉及复杂的数据分布,如细粒度和长尾。为了同时解决这两个具有挑战性的问题,我们提出了一种新的正则化技术,该技术产生对抗损失以加强模型学习。具体而言,对于每个训练批次,我们构建了一个自适应批次预测(ABP)矩阵,并建立了相应的自适应批次混淆范数(ABC-Norm)。ABP矩阵由两部分组成,其中一个自适应组件用于分类编码不平衡数据分布,另一个组件用于批处理评估softmax预测。abc范数导致基于范数的正则化损失,这在理论上可以被证明是与秩最小化密切相关的目标函数的上界。原创 2024-01-15 17:23:43 · 866 阅读 · 2 评论