探索一种用于细粒度蛇类识别的有效方法
计算机视觉与模式识别
2022-07-26 v1
摘要
细粒度视觉分类（FGVC）是计算机视觉与模式识别中一个长期存在的基础性问题，并支撑着多种现实应用。本文描述了我们在SnakeCLEF2022中针对FGVC的贡献。首先，我们设计了一个强大的多模态骨干网络，以利用各种元信息辅助细粒度识别。其次，我们提出了新的损失函数来解决数据集的长尾分布问题。然后，为充分利用无标签数据集，我们采用自监督学习与监督学习联合训练以提供预训练模型。此外，一些有效的数据处理技巧也在我们的实验中被考虑。最后但同样重要的是，在下游任务中通过难样本挖掘进行微调，集成了多种模型性能。大量实验表明，我们的方法能有效提升细粒度识别性能。我们的方法在私有和公开数据集上分别取得了92.7%和89.4%的宏f1分数，在私有排行榜上位居参赛者第一。
引用
@article{arxiv.2207.11637,
title = {Explored An Effective Methodology for Fine-Grained Snake Recognition},
author = {Yong Huang and Aderon Huang and Wei Zhu and Yanming Fang and Jinghua Feng},
journal= {arXiv preprint arXiv:2207.11637},
year = {2022}
}
备注
13 pages, 5 figures. arXiv admin note: text overlap with arXiv:2203.02751 by other authors