赛艇队伍的细粒度分类
计算机视觉与模式识别
2019-12-12 v1 机器学习
图像与视频处理
摘要
细粒度分类任务（如识别不同品种的狗）颇具挑战性，因为类别之间的视觉差异很小，且很容易被物体姿态、光照等外部因素掩盖。本工作聚焦于从各协会对赛艇队伍进行分类这一具体案例。目前，照片在赛艇比赛中拍摄，并由少数成员手动分类，这是一个费力的过程。为缓解此问题，可利用深度学习模型作为一种更快速的图像分类方法。近期研究表明，对人工定义的部位进行定位并基于这些部位建模，优于原始的卷积模型，因此本工作也探究了服装属性的检测。网络在主要由多个协会的赛艇运动员组成的局部标注数据集上进行了训练和测试。本文利用深度学习网络实现了对多达十个赛艇协会的分类，其中较小的VGG网络达到了90.1%的准确率，而ResNet仅限于87.20%。为ResNet添加注意力机制导致性能下降，仅达到78.10%。
引用
@article{arxiv.1912.05393,
title = {Fine-grained Classification of Rowing teams},
author = {M. J. A. van Wezel and L. J. Hamburger and Y. Napolean},
journal= {arXiv preprint arXiv:1912.05393},
year = {2019}
}
备注
7 pages, NCCV 2019, 6 figures, deep learning, attention learning, CNN, rowing boat, team detector, club detector, data set, dataset