面向开集细粒度图像识别的互补频率变化感知网络
计算机视觉与模式识别
2025-05-20 v2
摘要
开集图像识别是计算机视觉中一个具有挑战性的课题。现有文献中的大多数工作集中于从输入图像中学习更具判别性的特征，但它们通常对特征中的高频或低频分量不敏感，导致在细粒度图像识别上的性能下降。为解决该问题，我们提出了一种能更好地捕获高频和低频信息的互补频率变化感知网络，称为 CFAN。所提 CFAN 由三个顺序模块组成：(i) 引入特征提取模块从输入图像中学习初步特征；(ii) 设计频率变化滤波模块，通过频率可调滤波器在频域从初步特征中分离出高频和低频分量；(iii) 设计互补时序聚合模块，通过两个长短期记忆网络将高频和低频分量聚合成判别性特征。基于 CFAN，我们进一步提出一种开集细粒度图像识别方法，称为 CFAN-OSFGR，其通过 CFAN 学习图像特征并通过线性分类器进行分类。在 3 个细粒度数据集和 2 个粗粒度数据集上的实验结果表明，CFAN-OSFGR 在大多数情况下显著优于 9 种 SOTA 方法。
引用
@article{arxiv.2307.07214,
title = {Complementary Frequency-Varying Awareness Network for Open-Set Fine-Grained Image Recognition},
author = {Qiulei Dong and Jiayin Sun and Mengyu Gao},
journal= {arXiv preprint arXiv:2307.07214},
year = {2025}
}