用于细粒度图像分类的仅存在性地理先验

仅凭外观信息通常不足以准确区分细粒度视觉类别。人类专家会利用额外线索，例如给定图像的拍摄地点和时间，来辅助最终决策。这种上下文信息在许多在线图像集合中 readily available，但现有的图像分类器仅专注于基于图像内容进行预测，未能充分利用这些信息。我们提出了一种高效的时空先验，该先验以地理位置和时间为条件，估计给定对象类别在该位置出现的概率。我们的先验仅从存在性观测数据中训练，并联合建模对象类别、它们的时空分布以及摄影师偏差。在多个具有挑战性的图像分类数据集上进行的实验表明，将我们的先验与图像分类器的预测相结合，能大幅提升最终的分类性能。