网络监督细粒度识别的技巧与窍门：从 WebFG 2020 挑战赛中学习
计算机视觉与模式识别
2021-01-01 v1
摘要
WebFG 2020 是由南京理工大学、爱丁堡大学、南京大学、阿德莱德大学、早稻田大学等主办的国际挑战赛。该挑战赛主要关注网络监督细粒度识别问题。在已有文献中，现有深度学习方法高度依赖大规模高质量标注训练数据，这限制了其在现实世界应用中的实用性与可扩展性。特别是，对于需要专业知识进行标注的视觉任务——细粒度识别，获取标注训练数据的成本相当高。这导致获取大量高质量训练数据极为困难。因此，利用免费的网络数据训练细粒度识别模型已引起细粒度领域研究人员的日益关注。本挑战赛期望参与者开发网络监督细粒度识别方法，利用网络图像训练细粒度识别模型，以缓解深度学习方法对大规模人工标注数据集的极度依赖，并提升其实用性与可扩展性。在本技术报告中，我们汇总了总计 54 支参赛队伍中 WebFG 2020 的顶尖解决方案，并讨论了在获胜队伍中哪些方法效果最佳，以及哪些方法出人意料地并无帮助。
引用
@article{arxiv.2012.14672,
title = {Tips and Tricks for Webly-Supervised Fine-Grained Recognition: Learning from the WebFG 2020 Challenge},
author = {Xiu-Shen Wei and Yu-Yan Xu and Yazhou Yao and Jia Wei and Si Xi and Wenyuan Xu and Weidong Zhang and Xiaoxin Lv and Dengpan Fu and Qing Li and Baoying Chen and Haojie Guo and Taolue Xue and Haipeng Jing and Zhiheng Wang and Tianming Zhang and Mingwen Zhang},
journal= {arXiv preprint arXiv:2012.14672},
year = {2021}
}
备注
This is a technical report of the WebFG 2020 challenge (https://sites.google.com/view/webfg2020) associated with ACCV 2020