Grafit：利用粗标签学习细粒度图像表示
计算机视觉与模式识别
2020-11-30 v1
摘要
本文致力于学习比训练标签所提供的更精细的表示。这使得在仅以粗标签标注的图像集合中能够实现图像的细粒度类别检索。我们的网络以最近邻分类器目标以及受自监督学习启发的实例损失进行训练。通过联合利用粗标签与潜在的细粒度隐空间，其显著提升了类别级检索方法的准确率。我们的策略在检索或分类细粒度高于训练时可用粒度的图像时，优于所有竞争方法。它亦提升了向细粒度数据集迁移学习任务的准确率，从而在 iNaturalist-2018 等五个公开基准上确立了新的 SOTA。
引用
@article{arxiv.2011.12982,
title = {Grafit: Learning fine-grained image representations with coarse labels},
author = {Hugo Touvron and Alexandre Sablayrolles and Matthijs Douze and Matthieu Cord and Hervé Jégou},
journal= {arXiv preprint arXiv:2011.12982},
year = {2020}
}