多视角主动细粒度识别
计算机视觉与模式识别
2022-06-03 v1
摘要
随着细粒度视觉分类(FGVC)发展数十年，相关优秀工作已揭示一个关键方向——寻找判别性局部区域并揭示细微差异。然而，不同于在静态图像中识别视觉内容，对于真实物理世界中物体的识别，判别性信息不仅存在于已见的局部区域，也隐藏于其他未见视角中。换言之，除了关注整体中可区分的部分外，为高效且准确地识别，还需以少量扫视推断关键视角，例如人们可能一瞥奔驰 AMG GT 的前脸便认出它，进而知道看一眼排气管有助于判断其年份型号。本文回归现实，提出主动细粒度识别(AFGR)问题，并分三步完成研究：(i) 收集一个分层、多视角、细粒度车辆数据集作为测试平台，(ii) 设计简单实验验证不同视角对 FGVC 贡献不同且不同类别拥有不同判别性视角，(iii) 采用基于策略梯度的框架通过主动视角选择实现高效识别。综合实验表明，所提方法比以往 FGVC 方法及先进神经网络具有更优的性能-效率权衡。
引用
@article{arxiv.2206.01153,
title = {Multi-View Active Fine-Grained Recognition},
author = {Ruoyi Du and Wenqing Yu and Heqing Wang and Dongliang Chang and Ting-En Lin and Yongbin Li and Zhanyu Ma},
journal= {arXiv preprint arXiv:2206.01153},
year = {2022}
}