基于多提议共识的部件定位用于细粒度分类

我们提出一个简单的深度学习框架，同时预测关键点位置及其各自的可见性，并利用这些信息实现细粒度分类的最优性能。我们表明，通过将预测条件建立在具有足够图像支持的目标提议上，我们的方法无需复杂的空间推理即可表现良好。相反，对异常值具有鲁棒性的推理方法，在关键点定位上达到了最优水平。我们在有和无真实边界框的细粒度鸟类识别任务上，证明了我们精确的关键点定位和可见性预测的有效性，并以超过 2% 的优势超越了现有最优方法。