极度细粒度图像分类：野外场景中难以区分的字体字符

野外文本识别是数字地图和城市场景理解中重要的技术，自然字体之间的相似性是导致错误识别结果的主要原因之一。为此，我们引入两个包含极度挑战性难以区分字体（字符/字母）的极度细粒度视觉识别基准数据集。此外，我们提出一种简单而有效的两阶段对比学习方法，用于处理难以区分字体的识别任务。在第一阶段，我们利用监督对比学习利用标签信息对背板网络进行预热。在第二阶段，我们提出CFGNet一种网络架构，将分类和对比学习在欧几里得空间和角度空间中集成，其中对比学习以监督学习和成对鉴别两种方式应用，以增强模型的特征表示能力。总体而言，我们的方法有效地利用了对比学习和分类的互补优势，提高了难以区分字体的识别性能。与基于卷积神经网络（CNN）和Transformer背板的领先的细粒度分类方法进行比较评估，证明了我们方法的优越性。