弱监督细粒度图像分类
计算机视觉与模式识别
2016-05-04 v1
摘要
在本文中，我们在训练和测试阶段均不使用任何物体/部件标注来对细粒度图像进行分类，这是使其适合部署的一步。细粒度图像分类旨在分类具有细微差别的物体。大多数现有工作严重依赖物体/部件检测器，利用训练图像中的物体或物体部件标注来建立物体部件之间的对应关系。对昂贵物体标注的需求阻碍了这些方法的广泛使用。相反，我们建议从物体的多尺度部件提议中选择有用的部件，并利用它们计算用于分类的全局图像表示。这是专门为无标注细粒度分类任务设计的，因为有用部件在现有的依赖标注的工作中已被证明起着重要作用，但很难获得准确的部件检测器。利用所提出的图像表示，我们可以进一步检测和可视化不同类别物体中的关键（最具判别力）部件。在实验中，所提出的无标注方法在两个具有挑战性的数据集上取得了优于最先进无标注方法和大多数现有依赖标注方法的准确率，这表明在细粒度图像分类中并不总是需要使用准确的物体/部件标注。
引用
@article{arxiv.1504.04943,
title = {Weakly Supervised Fine-Grained Image Categorization},
author = {Yu Zhang and Xiu-shen Wei and Jianxin Wu and Jianfei Cai and Jiangbo Lu and Viet-Anh Nguyen and Minh N. Do},
journal= {arXiv preprint arXiv:1504.04943},
year = {2016}
}