细粒度论文笔记《Higher-Order Integration of Hierarchical Convolutional Activations for Fine-Grained Visual》

Cai S, Zuo W, Zhang L. Higher-Order Integration of Hierarchical Convolutional Activations for Fine-Grained Visual Categorization[C]// IEEE International Conference on Computer Vision. IEEE Computer Society, 2017:511-520.

论文题目翻译过来就是，融合高阶分层卷积特征的细粒度分类。

针对细粒度分类的难点，1. part annotation 和 detection 需要专业知识且很多part-based方法都是为了训练精确的 part detector 而严重依赖于精确地 part annotation； 2.  Parts 通常有很多尺寸，而深度计卷积中的每个点对应一个特定的感受野，因此单层卷积层在描述不同尺寸的 part 时能力有限；3.  Part 与 part 之间的关系是复杂的，高阶的。对于目标外形建模的关键在于发掘目标局部的共同外形。但缺陷是只能发掘很少 part 的一阶关系。

本文针对以上问题，提出了基于融合高阶的多等级的卷积特征（Hierarchical convolutional activations） 。如果把卷积特征作为局部描述子 ，那么多等级的卷及特征就可以是不同尺度的局部特描述子。在处理 part interaction 的问题时，作者通过核融合的方法，使用多项式描述子将不同层的特征综合在一起。本文的创新点在于为融合不同层的的卷积响应开辟了新视角。

参考资料：

网页资料  融合高阶信息的细粒度分类方法HIHCA论文阅读

不知作者详细信息，若有侵权立删