Nov, 2021

深度学习下的细粒度图像分析：一份调查报告

PDF
TL;DR本篇文章对细粒度图像分析的最新研究进展进行了系统综述，包括深度学习的应用、细粒度图像识别和检索、公开基准数据集和相关领域的应用，最后提出了需要进一步探索的研究方向和开放问题。
fine-grained image analysiscomputer visiondeep learningimage recognitionimage retrieval
发现论文，激发创造
  • 深度学习用于细粒度图像分析：一份综述

    本研究对最近深度学习在细粒度图像分析技术上的发展进行了系统的调查和总结，主要涵盖了细粒度图像识别、细粒度图像检索和细粒度图像生成等三个主要类别及其相关应用和公共基准数据集。另外，还介绍了一些需要进一步探索的方向和开放性问题。

    Jul, 2019

  • 深度神经网络融合纹理进行图像分类

    精细化图像分类任务中，由于不同子类别间视觉差异小、类内变化大，深度学习方法在解决该问题中取得了显著成功。本文提出一种融合方法，通过将全局纹理与局部基于图像块的信息相结合来解决精细化图像分类问题。我们的方法在人脸、皮肤病变、美食、海洋生物等八个数据集上使用四个标准的骨干 CNN 进行了测试，并在分类准确率上取得了优于现有方法显著的提升。

    Aug, 2023

  • 生物多样性分析的细粒度识别数据集

    本文介绍了细粒度视觉分类在生物多样性和物种分析领域的挑战性应用，提出了适用于计算机视觉研究的两个具有 675 个高度相似类别的挑战性新数据集，并使用卷积神经网络（CNN）的局部特征呈现了首个结果。最后，我们提出了生物多样性研究中视觉分类领域的新挑战性研究方向清单。

    Jul, 2015

  • 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

  • 可学习的语义数据增强的细粒度识别

    通过特征级别的数据增强和协方差预测网络，我们提出了一种改善细粒度图像识别的方法，可以有效区分细分类别，提高泛化性能。

    Sep, 2023

  • 飞机的细粒度视觉分类

    本文介绍了一个新数据集 FGVC-Aircraft，其中包含 100 种机型的 10,000 张图像，可用于视觉识别的挑战，同时提供了相应的分类任务和评估协议。通过飞机爱好者的工作，实现了数据集的构建。与通常被认为的 FGVC 域相比，例如动物，飞机具有更少的形变，但是具有设计、大小、命名、结构、历史风格和品牌等有趣的变化模式。

    Jun, 2013

  • 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

  • 细粒度图像搜索的对抗学习

    本论文提出了一种名为 FGGAN 的端到端网络，通过从多视角图像中隐式学习几何变换的方式来学习判别性表征，进而解决精细图像检索中由于姿态变化造成的难点；该网络使用生成式对抗网络（GAN）自动处理复杂视角和姿态的差异，并在开放集情况下能够更好地匹配来自未见过和未知的细粒度类别的图像，与基线相比实现了 10% 的相对改进。

    Jul, 2018

  • 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

  • 野外环境下的细粒度识别：一种多任务域自适应方法

    本研究探讨了细粒度领域适应的概念并提出了基于属性的多任务适应损失来解决现有细粒度目标识别模型无法准确分类野外图像的问题，通过在一组新的细粒度数据集上的实验证明了该算法可以显著提高准确性。

    Sep, 2017