基于深度对象解析的细粒度少样本识别
计算机视觉与模式识别
2022-10-14 v4 人工智能
摘要
我们提出了一种通过深度对象解析进行细粒度少样本识别的新方法。在我们的框架中，一个对象由 K 个 distinct 部件组成，对于每个部件，我们学习一个模板字典，该字典在所有实例与类别间共享。一个对象通过估计这 K 个部件的位置以及一组能够重建部件特征的活跃模板来解析。我们通过比较测试实例的活跃模板及其部件位置的相对几何与所给少样本实例的相应量来识别测试实例。我们的方法是端到端可训练的，以在卷积骨干上学习部件模板。为应对方向、姿态与尺寸等视觉畸变，我们在多尺度上学习模板，并在测试时跨这些尺度解析与匹配实例。我们表明我们的方法与当前最优方法具有竞争力，并且因解析而具备可解释性。
引用
@article{arxiv.2207.07110,
title = {Fine-grained Few-shot Recognition by Deep Object Parsing},
author = {Ruizhao Zhu and Pengkai Zhu and Samarth Mishra and Venkatesh Saligrama},
journal= {arXiv preprint arXiv:2207.07110},
year = {2022}
}