通过弱监督判别性定位实现快速细粒度图像分类
计算机视觉与模式识别
2018-05-08 v1
摘要
细粒度图像分类旨在识别每个基本类别中的数百个子类别。现有方法采用判别性定位来寻找子类别间的关键区别。然而，它们通常有两个局限性：(1) 判别性定位依赖区域提议方法来假设判别性区域的位置，这非常耗时。(2) 判别性定位的训练依赖于物体或部件标注，这极其耗费人力。同时解决这两个关键局限性极具挑战性，而现有方法仅关注其中之一。因此，我们提出了一种用于快速细粒度图像分类的弱监督判别性定位方法（WSDL），以同时解决这两个局限性，其主要优势为：(1) 设计了 n 通道端到端判别性定位网络以提高分类速度，该网络同时对一张图像定位多个不同的判别性区域以提升分类准确率，并共享由区域提议网络生成的全图卷积特征，以加速生成区域提议的过程并减少卷积运算的计算量。(2) 提出了多级注意力引导的定位学习，无需使用物体和部件标注即可自动定位具有不同关注点的判别性区域，从而避免了人力消耗。不同级别的注意力关注图像的不同特征，这些特征相互补充并提升了分类准确率。两者被联合使用以同时提高分类速度并消除对物体和部件标注的依赖。与在 2 个广泛使用的细粒度图像分类数据集上的 state-of-the-art 方法相比，我们的 WSDL 方法取得了最佳性能。
引用
@article{arxiv.1710.01168,
title = {Fast Fine-grained Image Classification via Weakly Supervised Discriminative Localization},
author = {Xiangteng He and Yuxin Peng and Junjie Zhao},
journal= {arXiv preprint arXiv:1710.01168},
year = {2018}
}
备注
13pages, submitted to IEEE Transactions on Circuits and Systems for Video Technology. arXiv admin note: text overlap with arXiv:1709.08295