通过描述定位：用于细粒度识别的属性引导注意力定位
计算机视觉与模式识别
2016-05-24 v2
摘要
细粒度识别中的一个关键挑战是如何找到并表征判别性局部区域。近期的注意力模型仅通过强化学习从类别标签中学习判别性区域定位器。然而，由于未利用任何显式部分信息，它们无法准确找到多个独特区域。本工作中，我们引入一种属性引导的注意力定位方案，其中局部区域定位器在部分属性描述的引导下学习。通过设计一种新颖的奖励策略，我们能够利用强化学习算法学习定位在空间和语义上均独特的区域。该方案对属性标注的要求比传统的基于部分的细粒度识别方法所需的准确部分位置标注更易满足。在 CUB-200-2011 数据集上的实验结果证明了所提方案在细粒度识别和属性识别两方面的优越性。
引用
@article{arxiv.1605.06217,
title = {Localizing by Describing: Attribute-Guided Attention Localization for Fine-Grained Recognition},
author = {Xiao Liu and Jiang Wang and Shilei Wen and Errui Ding and Yuanqing Lin},
journal= {arXiv preprint arXiv:1605.06217},
year = {2016}
}