面向细粒度图像分析的深度学习：综述
计算机视觉与模式识别
2019-07-18 v1
摘要
计算机视觉（CV）是利用机器理解并分析图像的过程，是人工智能不可或缺的一个分支。在CV的诸多研究领域中，细粒度图像分析（FGIA）是一个长期存在的基础性问题，并已在多种现实应用中无处不在。FGIA任务旨在从下属类别中分析视觉对象，例如鸟类物种或汽车型号。细粒度特性导致的小类间差异和大类内差异使其成为一个具有挑战性的问题。在深度学习的蓬勃发展下，近年来利用深度学习技术的FGIA取得了显著进展。本文旨在以系统的方式对基于深度学习的FGIA技术最新进展进行综述。具体地，我们将现有FGIA技术研究划分为三大类：细粒度图像识别、细粒度图像检索和细粒度图像生成。此外，我们还涵盖了FGIA其他一些重要问题，如公开可用的基准数据集及其相关的领域特定应用。最后，我们通过指出若干方向及开放问题来总结本综述，这些问题有待学界未来进一步探索。
引用
@article{arxiv.1907.03069,
title = {Deep Learning for Fine-Grained Image Analysis: A Survey},
author = {Xiu-Shen Wei and Jianxin Wu and Quan Cui},
journal= {arXiv preprint arXiv:1907.03069},
year = {2019}
}
备注
Project page: http://www.weixiushen.com/project/Awesome_FGIA/Awesome_FGIA.html. arXiv admin note: text overlap with arXiv:1902.06068 by other authors