李祥霞,吉晓慧,李 彬
1.广东财经大学 信息学院,广州 510320
2.华南理工大学 自动化科学与工程学院,广州 510641
传统的图像分类分为语义级图像和实例级图像这两大类[1]。语义级包括对象识别、场景识别等任务,旨在识别不同类别的图像,如汽车和飞机等,随着神经网络的数轮更新,研究者们发展出了分类准确率更高的、结构更复杂的网络用在ImageNet 为代表的语义级图像分类中。而实例级是对不同的个体进行分类,其中最重要的研究内容当属人脸识别和指纹识别。其中,人脸识别已经被大量应用到人们的生活中,但仍存在表情变化引起的类内差距增大、遮挡引起的局部特征缺失等问题。而细粒度图像处于这两者的中间状态,兼具了语义级图像分类特征难以提取和定位以及实例级图像分类中类间差异小而类内差异大的问题,但同时该领域的研究往往会大量借鉴前两个领域的研究成果。
细粒度图像分类旨在区分同一类别的子类别,如识别出车的品牌、鸟的种类、猫的品种等,也可叫作子类别分类。相较于对象识别等语义级图像分类任务,细粒度图像往往需要借助非常微小的局部差异才能区分出不同的类别。和人脸识别等实例级分类任务相比,细粒度图像的类内差异更加巨大,并且受到姿势、背景干扰、遮挡以及拍摄角度等因素的影响[2],加上细粒度数据集类内差异大而类间差异小的特点,使得细粒度图像分类一直是计算机视觉领域中一项极具挑战力的任务。……