xiaofei0801的博客

2. Related Work 关于细粒度图像识别的研究沿着两个维度进行，即判别性特征学习和复杂的局部定位。 2.1. Discriminative Feature Learning 学习判别性特征对于细粒度图像识别至关重要。由于深度学习的成功，大多数方法依赖于强大的卷积深层特征， 其在通用和细粒度识别上比手工制作的特征有着显着改善[4,5,6,17,29]。为了学习更强大的特征表示，

作为一个新兴的研究课题，细粒度识别旨在区分属于同一基本类别的数百个子类别。它位于基本类别分类（例如，在Pascal VOC [8]中分类自行车，船，汽车等等）和个体实例的识别（例如人脸识别）之间。没有经验的人可以立即识别自行车或马匹等基本类别，因为它们在视觉上非常不相似，而在没有具体专家指导的情况下，他/她很难从黑鸟中区分乌鸦。事实上，细粒度的子类通常共享相同的部分（例如，所有的鸟应该具有翅膀，腿