通过剔除噪声样本并利用困难样本挖掘网络图像以用于细粒度视觉识别
计算机视觉与模式识别
2021-01-26 v1 多媒体
摘要
在从属层级标注对象通常需要专家知识，而使用随机标注者时专家知识并非总可用。因此，直接从网络图像学习细粒度识别已引起广泛关注。然而，网络图像中标签噪声与困难样本的存在是训练鲁棒细粒度识别模型的两大障碍。为此，本文提出一种新方法，在训练期间从真实世界网络图像中移除不相关样本，同时利用有用的困难样本更新网络。因而，我们的方法能减轻不相关噪声网络图像与困难样本的有害影响，从而获得更好性能。在三个常用细粒度数据集上的大量实验表明，我们的方法远优于当前最先进的网络监督方法。
引用
@article{arxiv.2101.09412,
title = {Exploiting Web Images for Fine-Grained Visual Recognition by Eliminating Noisy Samples and Utilizing Hard Ones},
author = {Huafeng Liu and Chuanyi Zhang and Yazhou Yao and Xiushen Wei and Fumin Shen and Jian Zhang and Zhenmin Tang},
journal= {arXiv preprint arXiv:2101.09412},
year = {2021}
}