引导缩放：质询网络证据以实现细粒度分类
计算机视觉与模式识别
2020-03-24 v2
摘要
我们提出引导缩放（Guided Zoom），一种利用模型决策的空间定位来做出更明智预测的方法。其通过确保模型具有预测的“正确理由”来实现，此处正确理由定义为与训练时用于做出类似正确决策的理由相一致的理由。深度卷积神经网络做出预测所依据的理由/证据，被定义为模型输出中特定类条件概率在像素空间中的空间定位。引导缩放考察此类证据对每一个 top-k 预测类别的合理性，而非仅信赖 top-1 预测。我们展示了引导缩放提升了深度卷积神经网络模型的分类准确率，并在三个细粒度分类基准数据集上取得了最先进（SOTA）结果。
引用
@article{arxiv.1812.02626,
title = {Guided Zoom: Questioning Network Evidence for Fine-grained Classification},
author = {Sarah Adel Bargal and Andrea Zunino and Vitali Petsiuk and Jianming Zhang and Kate Saenko and Vittorio Murino and Stan Sclaroff},
journal= {arXiv preprint arXiv:1812.02626},
year = {2020}
}
备注
BMVC 2019 Camera Ready Version