基于深度学习的细粒度图像分析:综述
计算机视觉与模式识别
2021-11-22 v2 机器学习
摘要
细粒度图像分析(FGIA)是计算机视觉与模式识别中一个长期且基础的问题,并支撑着多种现实应用。FGIA 任务旨在从亚类目中分析视觉对象,例如鸟类物种或汽车型号。细粒度图像分析固有的小类间差异与大类内差异使其成为一个具有挑战性的问题。借助深度学习的进展,近年来我们见证了深度学习驱动的 FGIA 的显著进步。本文对这些进展进行系统综述,试图通过整合两个基础的细粒度研究领域——细粒度图像识别与细粒度图像检索,重新定义并拓宽 FGIA 领域。此外,我们还回顾了 FGIA 的其他关键问题,如公开可用的基准数据集与相关的特定领域应用。最后,我们强调了若干亟需学界进一步探索的研究方向与开放问题。
引用
@article{arxiv.2111.06119,
title = {Fine-Grained Image Analysis with Deep Learning: A Survey},
author = {Xiu-Shen Wei and Yi-Zhe Song and Oisin Mac Aodha and Jianxin Wu and Yuxin Peng and Jinhui Tang and Jian Yang and Serge Belongie},
journal= {arXiv preprint arXiv:2111.06119},
year = {2021}
}
备注
Accepted by IEEE TPAMI