一次性细粒度实例检索

MMJul, 2017

One-Shot Fine-Grained Instance Retrieval

Hantao Yao, Shiliang Zhang, Yongdong Zhang, Jintao Li, Qi Tian

TL;DR本文提出了一个称为 One-Shot Fine-Grained Instance Retrieval (OSFGIR) 的检索任务，并介绍了一个辅助数据集（OSFGIR-378K dataset）。最后，提出了一个由三个组成部分（粗糙检索，细粒度检索和查询扩展）组成的粗糙到细糙的检索框架，通过 OSFGIR 方法，在没有完整训练集的情况下进行大规模细粒度物体识别，并实验证明比现有 FGVC 和图像检索方法更准确和有效。

Abstract

fine-grained visual categorization (FGVC) has achieved significant progress recently. However, the number of fine-grained species could be huge and dynamically increasing in real scenarios, making it difficult to recognize unseen objects under the current FGVC framework. This raises an

fine-grained visual categorization one-shot fine-grained instance retrieval osfgir-378k dataset convolutional and normalization networks coarse-to-fine retrieval framework

发现论文，激发创造

DVF: 提升鲁棒性和准确性的细粒度图像检索与检索指南

本文提出了实用的细粒度图像检索模型设计指南，包括强调对象、凸显子类别特异性差异以及采用有效的训练策略。通过遵循指南并设计了一种新颖的双重视觉过滤机制（DVF），本文在三个广泛使用的细粒度数据集上实现了最先进的性能表现。

Apr, 2024

用大型语言模型实现细粒度视觉识别的民主化

使用大型语言模型作为代理，FineR 在语义细分类别推理方面体现出更好性能，优于几种先进的 FGVR 和语音与视觉助手模型，并展示了在野外和新领域中工作的潜力。

Jan, 2024

R2-Trans: 细粒度视觉分类中的冗余减少

本文提出了一种新颖的 Fine-grained visual categorization (FGVC) 方法，可以同时运用环境线索中局部但足够区分的信息和对目标类别下的冗余信息进行压缩，通过计算批次中高权重区域的比例和自适应阈值，实现了输入空间中背景信息的适度提取。此外，本文还使用信息瓶颈方法指导网络在特征空间中学习最小充分表示。实验结果表明，此方法在三个常用基准数据集上表现优于其他最先进的方法和基线模型。

Apr, 2022

使用元学习优化和辅助数据样本选择的细粒度视觉分类

本文提出了一种基于元学习的深度学习模型 MetaFGNet，通过一个新颖的正则化元学习目标来优化网络参数，解决 Fine-grained 视觉分类的训练样本不足问题，并且在辅助数据的筛选上提出了一种简单有效的方案，实验证明了该方法的有效性。

Jul, 2018

大规模细粒度分类和领域特定的迁移学习

本研究提出了一种从大规模数据集到小规模、特定领域细粒度图像分类（Fine Grained Visual Categorization, FGVC）任务的迁移学习方法，并通过 Earth Mover's Distance 提出了一种衡量领域相似度的方法，实现了目标领域与数据源领域之间的知识迁移，得到了最先进的结果。

Jun, 2018

分段分类映射：利用少量示例学习新类别的细粒度学习器

本文提出了一种端到端的可训练深度网络，旨在解决少样本下的细粒度图像识别问题。该网络包括双线性特征学习模块和分类器映射模块，前者将示例图像的区分信息编码为特征向量，后者映射中间特征到新类别的决策边界。我们在三个细粒度数据集上进行了实验，结果表明该方法优于竞争基线。

May, 2018

自适应细粒度基于草图的图像检索

提出了一种基于元学习 (MAML) 的框架来实现 Fine-Grained Sketch-Based Image Retrieval (FG-SBIR) 模型的快速适应新类别和绘画风格的问题，通过内循环中基于边缘对比损失的训练和外循环中引入额外的正则化损失，相比常规和零样本方法，可以获得更好的性能和精准度的几个强基线测试结果。

Jul, 2022

元强化的合成数据在一次性细粒度视觉识别中的应用

本文提出了一种元学习框架，将生成的图像与原始图像相结合，形成 “混合” 训练图像以提高一次性精细识别，在一些实验中，该模型相对基准表现出了一致的改进。

Nov, 2019

即兴精细草图检索

本文通过优化基于细粒度素描的图像检索方法，使用增强学习及跨模态检索框架实现检索效率的提升与最少笔画查询目标图像的目标，是一种有效的搜索框架。

Feb, 2020

多阶段度量学习实现细粒度视觉分类

本研究提出了一种多阶段度量学习框架，针对细粒度视觉分类中高维特征向量的学习问题，通过距离度量学习解决了相互关联且难以区分的子类别和大量内部类差异等问题，并在 FGVC 基准数据集上取得了显著的性能提升。

Feb, 2014