用于细粒度识别的地理感知网络

细粒度识别区分具有细微视觉差异的类别。为了区分这些具有挑战性的视觉类别，利用额外信息是有帮助的。地理定位是一种丰富的额外信息来源，可用于提高细粒度分类准确率，但一直未被充分研究。我们在该领域的贡献有两点。首先，据我们所知，本文是首篇通过地理定位先验、后处理或特征调制系统地考察将地理定位信息纳入细粒度图像分类各种方式的论文。其次，为克服没有细粒度数据集具备完整地理定位信息的情况，我们通过为现有流行数据集iNaturalist和YFCC100M提供补充信息，发布了两个带地理定位的细粒度数据集。通过利用地理定位信息，我们将iNaturalist中强基线仅使用图像的模型的top-1准确率从70.1%提高到79.0%。比较若干模型后，我们发现最佳性能由一种后处理模型实现，该模型消耗仅图像基线的输出及地理定位。然而，对于资源受限模型（MobileNetV2），采用在像素和地理定位上联合训练的特征调制模型性能更好：准确率从59.6%提升至72.2%。我们的工作为在服务器端和设备端的细粒度识别模型中纳入地理定位信息提供了有力依据。