Jun, 2023
应对变化:学习细粒度视觉分类不变和最小充分表示
Coping with Change: Learning Invariant and Minimum Sufficient Representations for Fine-Grained Visual Categorization
Shuo Ye, Shujian Yu, Wenjin Hou, Yu Wang, Xinge You
TL;DR通过适用于不变风险最小化和信息瓶颈原理的方法,从泛化的角度解决细粒度视觉分类问题,并应用 Rényi 的 α- 阶熵和软环境分割方案来训练模型,以学习不变和最小化的表示。实验证实了该方案在细粒度视觉分类中能显著提高性能。