Coarse2Fine：一种用于细粒度视觉分类的两阶段训练方法
计算机视觉与模式识别
2019-09-09 v1
摘要
小的类间差异和大的类内差异是细粒度视觉分类中的主要挑战。不同类别的物体共享视觉上相似的结构，而同一类别的物体可能具有不同的姿态和视角。因此，正确提取判别性局部特征（例如鸟喙或汽车前灯）至关重要。该问题近期的大部分成功都基于注意力模型，这些模型能够定位并关注局部的判别性物体部件。在这项工作中，我们提出了一种用于视觉注意力网络的训练方法，名为Coarse2Fine，它创建了一条从输入空间到被关注特征图的可微路径。Coarse2Fine学习一个从被关注特征图到原始图像中信息丰富区域的逆映射函数，这将引导注意力图更好地关注细粒度特征。我们展示了Coarse2Fine与注意力权重的正交初始化能够在常见的细粒度分类任务上超越最先进的准确率。
引用
@article{arxiv.1909.02680,
title = {Coarse2Fine: A Two-stage Training Method for Fine-grained Visual Classification},
author = {Amir Erfan Eshratifar and David Eigen and Michael Gormish and Massoud Pedram},
journal= {arXiv preprint arXiv:1909.02680},
year = {2019}
}