你的“火烈鸟”是我的“鸟”：细粒度，或非细粒度

你在图 1 中看到的是“火烈鸟”还是“鸟”，这是我们在本文中提出的问题。尽管细粒度视觉分类（FGVC）力求得出前者，但对于我们大多数非专家而言，仅说是“鸟”可能就足够了。因此，真正的问题是——我们如何在不同专业水平下为不同的细粒度定义进行定制。为此，我们重新审视了 FGVC 的传统设定，从单标签分类转变为对预定义的由粗到细标签层级的自顶向下遍历——这样我们的答案就变成了“鸟”-->“红鹳目”-->“红鹳科”-->“火烈鸟”。为解决这一新问题，我们首先进行了一项全面的人类研究，其中我们确认大多数参与者更喜欢多粒度标签，无论他们是否认为自己是专家。然后我们发现了一个关键直觉：粗粒度标签预测会加剧细粒度特征学习，而细粒度特征有助于粗粒度分类器的学习。这一发现使我们能够为新问题设计一个非常简单却出奇有效的解决方案，其中我们 利用特定层级的分类头将粗粒度特征与细粒度特征解耦，并 允许更细粒度的特征参与更粗粒度标签的预测，这反过来有助于更好的解耦。实验表明，我们的方法在新的 FGVC 设定下取得了优越的性能，并且在传统的单标签 FGVC 问题上也优于现有技术。得益于其简单性，我们的方法可以轻松地在任何现有 FGVC 框架上实现，并且是免参数的。