用于细粒度分类的基于区域的集成学习网络
计算机视觉与模式识别
2019-02-12 v1
摘要
作为计算机视觉中的一个重要研究课题，旨在识别从属级类别的细粒度分类受到了广泛关注。我们提出了一种用于细粒度分类的新的基于区域的集成学习网络。我们的方法包含一个检测模块和一个分类模块。检测模块基于 faster R-CNN 框架来定位目标的语义区域。分类模块使用集成学习方法，为不同的语义区域训练一组子分类器，并将它们组合在一起以获得更强的分类器。在评估中，我们在 CUB-2011 数据集上进行了实验，实验结果证明我们的方法对细粒度分类是有效的。我们还将我们的方法扩展到遥感场景识别，并在 NWPU-RESISC45 数据集上进行了评估。
引用
@article{arxiv.1902.03377,
title = {Region based Ensemble Learning Network for Fine-grained Classification},
author = {Weikuang Li and Tian Wang and Chuanyun Wang and Guangcun Shan and Mengyi Zhang and Hichem Snoussi},
journal= {arXiv preprint arXiv:1902.03377},
year = {2019}
}
备注
6 pages, 3 figures, 2018 Chinese Automation Congress (CAC)