Attention for Fine-Grained Categorization
Google, Inc.(谷歌公司)
本文介绍了将Ba等人(2014)关于注意力递归神经模型的工作扩展到约束较少的视觉环境中的实验,特别是斯坦福狗数据集上的细粒度分类。在这项工作中,我们使用相同结构的RNN,但用更强大的视觉网络代替,并在注意力RNN之外对视觉网络进行大规模的预训练。迄今为止,大多数注意力模型的工作都集中在玩具或更受约束的视觉环境中,而我们的细粒度分类结果优于最先进的GoogLeNet分类模型。我们表明,我们的模型学习将高分辨率的注意力引导到最具辨别力的区域,而无需任何空间监督,例如边界框,并且即使只给出初始的低分辨率上下文图像和狭窄,廉价的面部和皮毛图案,它也能够区分细粒度的狗品种。这种和类似的注意力模型的主要优点是端到端训练,而不是其他当前的检测和识别管道,这些管道具有手工设计的组件,信息丢失。虽然我们的模型是最先进的,但还需要进一步的工作来充分利用顺序输入。
2015-04-11 cs.CV cs.LG cs.NE
Towards Fine-grained Image Classification with Generative Adversarial Networks and Facial Landmark Detection
University of Mohaghegh Ardabili(莫哈格·阿尔达比勒大学)
细粒度分类仍然是一项具有挑战性的任务,因为区分类别需要学习复杂性和局部差异。图像中对象的姿态、比例和位置的多样性使得问题变得更加困难。虽然最新的视觉Transformer型号实现了高性能,但它们需要大量的输入数据。为了解决这个问题,我们充分利用了基于GAN的数据增强来生成额外的数据集实例。Oxford-IIIT Pets是我们选择用于该实验的数据集。它由37种猫和狗组成,在规模,姿势和照明方面存在差异,这加剧了分类任务的难度。此外,我们增强了最近的生成对抗网络(GAN)StyleGAN 2-ADA模型的性能,以生成更逼真的图像,同时防止过度拟合训练集。我们通过训练定制版本的MobileNetV 2来预测动物面部标志,然后相应地裁剪图像。最后,我们将合成图像与原始数据集相结合,并将我们提出的方法与标准GANs增强和没有增强的训练数据的不同子集进行了比较。我们通过评估最近的视觉Transformer(ViT)模型上的细粒度图像分类的准确性来验证我们的工作。
2021-08-28 cs.CV
Learning Part Knowledge to Facilitate Category Understanding for Fine-Grained Generalized Category Discovery
Nankai University(南开大学);NKIARI(深圳人工智能与机器人研究院)
针对细粒度场景下广义类别发现效果不佳的问题,提出融合部件知识的PartGCD方法,通过自适应部件分解和部件差异正则化提升细粒度分类效果,在多基准上达SOTA且通用数据集上仍具竞争力。
2025-03-21 cs.AI cs.CV cs.LG
Fourier Self-Supervision for Fine-Grained Generalized Category Discovery
University of Amsterdam(阿姆斯特丹大学);University of Technology Nuremberg(纽伦堡工业大学)
提出傅里叶自监督学习,通过双频率过滤策略优化特征空间,在多细粒度数据集上实现优于现有方法的广义类别发现性能。
2026-08-11 cs.AI cs.CV cs.LG
Part-based R-CNNs for Fine-grained Category Detection
University of California, Berkeley(加州大学伯克利分校)
语义部分本地化可以通过显式隔离与特定对象部分相关联的细微外观差异来促进细粒度分类。已经提出了用于姿势归一化表示的方法,但是由于目标检测的困难,通常在测试时假定限界框注释。我们提出了一个细粒度分类模型,通过利用自下而上区域建议计算的深度卷积特征来克服这些限制。我们的方法学习整个对象和部分检测器,在它们之间强制执行学习的几何约束,并从姿势规范化表示中预测细粒度的类别。加州理工大学-加州大学圣地亚哥分校的鸟类数据集上的实验证实,我们的方法优于国家的最先进的细粒度分类方法在端到端的评估,而不需要在测试时的限界框。
2014-07-15 cs.CV
Counterfactual Attention Learning for Fine-Grained Visual Categorization and Re-identification
Tsinghua University(清华大学)
注意力机制在细粒度视觉识别任务中表现出巨大的潜力。在本文中,我们提出了一个反事实的注意学习方法来学习更有效的注意因果推理的基础上。与大多数现有的方法,学习视觉注意力的基础上,传统的可能性,我们建议学习的注意力与反事实的因果关系,这提供了一个工具来衡量的注意力质量和一个强大的监督信号,以指导学习过程。具体来说,我们通过反事实干预来分析学习到的视觉注意力对网络预测的影响,并最大限度地提高效果,以鼓励网络学习更多有用的注意力,用于细粒度图像识别。从经验上讲,我们评估了我们的方法在广泛的细粒度识别任务中的注意力起着至关重要的作用,包括细粒度图像分类,人的重新识别,车辆重新识别。所有基准测试的一致性改进证明了我们的方法的有效性。代码可在https://github.com/raoyongming/CAL上获得
2021-10-26 cs.AI cs.CV cs.LG
TOAN: Target-Oriented Alignment Network for Fine-Grained Image Categorization with Few Labeled Samples
University of Technology Sydney(悉尼科技大学);Shanghai University(上海大学);The University of Sydney(悉尼大学)
在标记样本较少的情况下,细粒度视觉分类中类内方差大而类间波动小的挑战更为严峻,本文研究了Few-Shot(FGFS)设置下的\textit{i.e.,}细粒度分类问题。高阶特征通常用于揭示FGFS中子类别之间的细微差异,但它们在处理高类内方差方面效果较差。在本文中,我们提出了一个面向目标的对齐网络(TOAN)调查目标查询图像和支持类之间的细粒度关系。每个支持图像的特征在嵌入特征空间中进行变换以匹配查询图像,这显式地减少了每个类别内的差异。此外,不同于现有的FGFS方法设计的高阶功能在全球图像的歧视性部分的不太明确的考虑,我们生成歧视性细粒度的功能,通过整合组成的概念表示全球二阶池。在四个细粒度基准上进行了大量的实验,以证明TOAN与最先进的模型相比的有效性。
2021-03-10 cs.CV
SR-GNN: Spatial Relation-aware Graph Neural Network for Fine-Grained Image Categorization
Edge Hill University(边山大学)
在过去的几年中,基于深度卷积神经网络(CNN)的图像识别取得了重大进展。这主要是由于这种网络在从纹理和形状中挖掘有区别的对象姿态和部件信息方面的强大能力。这往往是不适当的细粒度视觉分类(FGVC),因为它表现出高的类内和低的类间方差,由于闭塞,变形,照明等,因此,一个富有表现力的特征表示描述全局结构信息是一个关键的对象/场景的特征。为此,我们提出了一种方法,有效地捕捉微妙的变化,通过聚合上下文感知功能,从最相关的图像区域和它们的重要性,在区分细粒度的类别,避免边界框和/或可区分的部分注释。我们的方法受到自注意和图神经网络(GNNs)方法的最新进展的启发,包括一个简单而有效的关系感知特征转换及其改进,使用上下文感知的注意力机制来提高转换后的特征在端到端学习过程中的可辨别性。我们的模型在八个基准数据集上进行了评估,这些数据集包括细粒度对象和人与对象的交互。它优于国家的最先进的方法,在识别精度的显着保证金。
2022-09-05 cs.AI cs.CV
Fine-grained Angular Contrastive Learning with Coarse Labels
IBM Research AI(IBM研究院人工智能部门);Tel-Aviv University(特拉维夫大学);Penta-AI(Penta人工智能);Boston University(波士顿大学)
少样本学习方法提供了优化的预训练技术,以便使用一个或几个示例更容易地将模型适应新的类别(在训练期间不可见)。这种对不可见类别的适应性对于许多实际应用尤其重要,在这些应用中,预先训练的标签空间不能保持固定以有效使用,并且模型需要“专门化”以支持动态的新类别。一个特别有趣的场景,基本上被Few-Shot文献忽略了,是粗到细Few-Shot(C2FS),其中训练类(例如动物)比目标(测试)类(例如品种)“粗粒度”得多。C2FS的一个非常实际的例子是目标类是训练类的子类。直观地说,这是特别具有挑战性的,因为(常规和Few-Shot)监督预训练倾向于学习忽略类内变异性,这对于分离子类至关重要。在本文中,我们介绍了一种新的“角度归一化”模块,该模块允许有效地结合监督和自监督对比预训练来处理拟议的C2FS任务,在多个基线和数据集的广泛研究中展示了显着的收益。我们希望这项工作将有助于为未来的研究铺平道路,这个新的,具有挑战性的,非常实用的主题C2FS分类。
2021-06-22 cs.CV
SelEx: Self-Expertise in Fine-Grained Generalized Category Discovery
University of Amsterdam(阿姆斯特丹大学);Leiden University(莱顿大学)
本文提出SelEx方法,通过结合无监督与有监督的自我专长策略及层次化伪标签,在细粒度广义类别发现中优于现有技术,有效发现新类别并分类已知类别。
2024-11-10 cs.AI cs.CV cs.LG
On Utilizing Relationships for Transferable Few-Shot Fine-Grained Object Detection
Johns Hopkins University(约翰斯·霍普金斯大学);Amazon(亚马逊)
最先进的目标检测器是快速和准确的,但它们需要大量的注释良好的训练数据,以获得良好的性能。然而,获得大量特定于特定任务的训练注释,即,细粒度的注释在实践中是昂贵的。相反,从文本中获得常识关系,例如,“台灯是一盏放在桌子上的灯”,这就容易多了。此外,像“on-top-of”这样的常识关系很容易以任务不可知的方式进行注释。在本文中,我们提出了一个概率模型,该模型使用这种关系知识来转换粗对象类别的现成检测器(例如,“table”,“lamp”)到细粒度类别的检测器(例如,“table-lamp”)。我们证明,我们的方法,RelDetect,实现性能竞争力的微调为基础的国家的最先进的对象检测器基线时,极少量的细粒度注释(整个数据集的$0.2\%$)。我们还证明了RelDetect能够利用关系信息的固有可转移性来获得比上述基线更好的性能($+5$ mAP点),而不是在看不见的数据集上(zero-shot转移)。总之,我们证明了使用关系的目标检测的数据集,细粒度的对象类别可以通过适当的关系链接到粗粒度的类别的权力。
2022-12-01 cs.AI cs.CV
Subset Feature Learning for Fine-Grained Category Classification
Australian Centre for Robotic Vision(澳大利亚机器人视觉中心);Queensland University of Technology(昆士兰科技大学);University of Queensland(昆士兰大学);NICTA
细粒度分类一直是一个具有挑战性的问题,由于类间变化小,类内变化大,训练图像的数量少。我们提出了一个学习系统,它首先聚类视觉上相似的类,然后学习特定于每个子集的深度卷积神经网络特征。在流行的细粒度Caltech-UCSD鸟类数据集上的实验表明,该方法在最困难的设置下优于最近的细粒度分类方法:在测试时没有边界框。它的平均准确率为77.5%,而之前的最佳性能为73.2%。我们还表明,渐进式迁移学习允许我们首先学习域通用功能(用于鸟类分类),然后可以适应特定的鸟类类集,从而提高准确性。
2015-05-09 cs.CV
3D Pose Estimation for Fine-Grained Object Categories
University of Maryland, College Park(马里兰大学帕克分校);Baidu, Inc.(百度公司)
现有的对象姿态估计数据集与通用对象类型相关,并且到目前为止还没有用于细粒度对象类别的数据集。在这项工作中,我们引入了一个新的大型数据集基准姿态估计细粒度的对象,由于最近的二维和三维细粒度数据的可用性。具体来说,我们通过为每个子类别找到细粒度的3D CAD模型并使用3D姿态手动注释图像中的每个对象来增强两个流行的细粒度识别数据集(StanfordCars和CompCars)。我们表明,有足够的训练数据,一个完整的透视模型与连续的参数可以估计单独使用2D外观信息。我们通过基于Faster/Mask R-CNN的框架来实现这一点。这超越了以前的工作类别级姿态估计,仅估计离散/连续的视角角度或恢复旋转矩阵往往与关键点的帮助。此外,随着细粒度的3D模型可用,我们将一个密集的3D表示命名为位置字段到基于CNN的姿态估计框架,以进一步提高性能。新数据集可在www.umiacs.umd.edu/~wym/3dpose.html上获得
2018-11-07 cs.CV
Part-Aware Fine-grained Object Categorization using Weakly Supervised Part Detection Network
South China University of Technology(华南理工大学)
细粒度对象分类旨在区分属于同一入门级对象类别的从属类别的对象。这项任务具有挑战性,因为(1)难以获得具有地面真实标签的训练图像,以及(2)不同从属类别之间的变化很微妙。众所周知,不同从属范畴的表征特征位于对象实例的局部部分上。事实上,在许多细粒度的分类数据集中都可以使用细致的部分注释。然而,手动注释对象部件需要专业知识,这也很难推广到新的细粒度分类任务。在这项工作中,我们提出了一个弱监督部分检测网络(PartNet),能够检测到歧视性的局部部分,用于细粒度分类。一个普通的PartNet构建在一个基础子网络之上,两个并行的上层网络层流,分别计算局部感兴趣区域(ROI)的分类概率(在从属类别上)和检测概率(在指定数量的判别部分检测器上)的分数。图像级预测是通过聚集这些区域级概率的逐元素乘积来获得的。为了生成一组不同的ROI作为PartNet的输入,我们提出了一个简单的离散零件提案模块(DPP),直接针对提出歧视性局部零件的候选人,通过对象级提案没有桥接。在CUB-200-2011和Oxford Flower 102数据集上的实验表明,该方法在区分性部分检测和细粒度分类方面都具有很好的效果。特别是,当地面实况部分注释不可用时,我们在CUB-200-2011数据集上实现了新的最先进性能。
2019-12-04 cs.CV
A Novel Plug-in Module for Fine-Grained Visual Classification
National Taiwan Normal University(台湾师范大学)
视觉分类可以分为粗粒度分类和细粒度分类。粗粒度分类表示具有很大程度的不相似性的类别,例如猫和狗的分类,而细粒度分类表示具有很大程度的相似性的分类,例如猫种、鸟种和车辆的品牌或型号。与粗粒度视觉分类不同,细粒度视觉分类往往需要专业专家对数据进行标注,这使得数据更加昂贵。为了应对这一挑战,许多方法提出自动找到最具鉴别力的区域,并使用局部特征来提供更精确的特征。这些方法只需要图像级注释,从而降低了注释的成本。然而,这些方法中的大多数都需要两阶段或多阶段架构,并且无法进行端到端训练。因此,我们提出了一种新的插件模块,可以集成到许多常见的骨干,包括基于CNN或基于变压器的网络,以提供强歧视性的地区。插件模块可以输出像素级特征图并融合过滤后的特征,以增强细粒度的视觉分类。实验结果表明,该插件模块在CUB 200 -2011和NABIrds上的识别准确率分别达到92.77%和92.83%,明显优于现有方法.我们已经在Github https://github.com/chou141253/FGVC-PIM.git上发布了我们的源代码。
2022-02-08 cs.AI cs.CV
Feathers dataset for Fine-Grained Visual Categorization
Samara University(萨马拉大学)
本文介绍了一个新的数据集FeatherV1,包含28,272张羽毛图像,按595种鸟类分类。它的创建是为了通过一根羽毛对鸟类物种进行分类鉴定,可应用于业余和专业鸟类学。FeatherV1是第一个公开的用于机器学习的鸟类羽毛数据集,它可以引起人们对细粒度视觉识别领域新任务的兴趣。最新版本的数据集可以在https://github.com/feathers-dataset/feathersv1-dataset下载。我们还提出了羽毛分类任务的结果。我们选择了几种深度学习架构(基于DenseNet),用于在提供的数据集上进行分类交叉熵值比较。
2020-04-18 cs.CV
Improving the Annotation of DeepFashion Images for Fine-grained Attribute Recognition
Cortexica Vision Systems(Cortexica视觉系统公司)
DeepFashion是一个广泛使用的服装数据集,包含50个类别和超过20万张图像,其中每张图像都使用细粒度属性进行注释。该数据集通常用于服装识别,虽然它提供了全面的注释,但属性分布不平衡且重复,特别是对于训练细粒度属性识别模型。在这项工作中,我们通过分别关注每个类别,为细粒度属性识别任务量身定制了DeepFashion。在选择具有足够数量的图像进行训练的类别之后,我们删除非常稀缺的属性并合并每个类别中的重复属性,然后根据新的属性列表清理数据集。我们使用一个双线性卷积神经网络与成对排序损失函数的多标签细粒度属性识别,并表明新的注释改善了这样一个任务的结果。每个选定类别的详细注释供公众使用。
2018-07-31 cs.CV
Improving Annotation for 3D Pose Dataset of Fine-Grained Object Categories
Baidu(百度)
现有的对象类别的3D姿态数据集仅限于通用对象类型并且缺乏细粒度信息。在这项工作中,我们引入了一个新的大规模数据集,其中包括409个细粒度类别和31,881个具有准确3D姿势注释的图像。具体来说,我们通过从ShapeNet中为每个子类别找到特定的3D模型,并通过调整完整的7个连续透视参数来手动注释每个2D图像,从而增强了三个现有的细粒度对象识别数据集(StanfordCars,CompCars和FGVC-Aircraft)。由于细粒度的形状允许3D模型更好地拟合图像,因此我们通过从人类注释初始化并进行姿势参数的局部搜索来进一步提高注释质量,目的是最大化投影掩模和从最先进的深度卷积神经网络(CNN)估计的分割参考之间的IoU。我们提供了完整的统计数据的注释与定性和定量的比较表明,我们的数据集可以是一个补充来源,研究3D姿态估计。该数据集可以在http://users.umiacs.umd.edu/~wym/3dpose.html下载。
2018-10-19 cs.CV
Part Localization using Multi-Proposal Consensus for Fine-Grained Categorization
我们提出了一个简单的深度学习框架来同时预测关键点位置及其各自的活力,并使用它们来实现最先进的细粒度分类性能。我们表明,通过条件的预测对象的建议与足够的图像支持,我们的方法可以做得很好,没有复杂的空间推理。相反,对离群值具有鲁棒性的推理方法产生了关键点定位的最新技术。我们证明了我们精确的关键点定位和可见性预测对细粒度鸟类识别任务的有效性,有和没有地面实况鸟类边界框,并优于现有的最先进的方法超过2%。
2015-07-22 cs.CV
Weakly Supervised Fine-Grained Image Categorization
Advanced Digital Sciences Center(高级数字科学中心);Nanjing University(南京大学);Nanyang Technological University(南洋理工大学)
在本文中,我们在训练和测试阶段都不使用任何对象/部件注释的情况下对细粒度图像进行分类,这是使其适合部署的一步。细粒度图像分类的目标是对具有细微差别的对象进行分类。大多数现有的作品严重依赖于对象/部分检测器,通过使用训练图像内的对象或对象部分注释来建立对象部分之间的对应关系。对昂贵的对象注释的需求阻碍了这些方法的广泛使用。相反,我们建议从对象中的多尺度部分提案中选择有用的部分,并使用它们来计算用于分类的全局图像表示。这是专门为无注释的细粒度分类任务而设计的,因为有用的部分已经被证明在现有的注释相关的作品中发挥着重要作用,但准确的部分检测器很难获得。使用所提出的图像表示,我们可以进一步检测和可视化不同类别对象中的关键(最具鉴别力)部分。在实验中,所提出的无注释方法在两个具有挑战性的数据集上实现了比最先进的无注释方法和大多数现有的注释依赖方法更好的准确性,这表明在细粒度图像分类中并不总是需要使用准确的对象/部分注释。
2015-04-20 cs.CV
Fine-grained Categorization and Dataset Bootstrapping using Deep Metric Learning with Humans in the Loop
Cornell University(康奈尔大学);Cornell Tech(康奈尔理工学院);NEC Labs America(NEC美国实验室)
现有的细粒度视觉分类方法通常面临三个挑战:缺乏训练数据,大量的细粒度类别,以及高的类内与低的类间方差。在这项工作中,我们提出了一个通用的迭代框架细粒度分类和数据集引导,处理这三个挑战。使用深度度量学习与人类在循环中,我们学习了一个低维特征嵌入与每个类别的流形上的锚点。这些锚点捕获类内方差,并保持类之间的区别。在每一轮中,来自我们模型的具有高置信度分数的图像被发送给人类进行标记。通过与样本图像进行比较,标记器将每个候选图像标记为“真阳性”或“假阳性”。真阳性被添加到我们当前的数据集中,假阳性被视为我们的度量学习模型的“硬阴性”。然后,使用扩展的数据集和下一轮的硬否定来重新训练模型。为了证明所提出的框架的有效性,我们从Instagram图像中引导了一个包含620个类别的细粒度花卉数据集。在我们的数据集和CUB-200-2001 Birds数据集上评估了所提出的深度度量学习方案。实验评估显示,使用数据集自举可以获得显着的性能增益,并展示了所提出的深度度量学习方法所取得的最先进的结果。
2016-04-11 cs.CV
MEET: A Million-Scale Dataset for Fine-Grained Geospatial Scene Classification with Zoom-Free Remote Sensing Imagery
针对固定分辨率遥感影像细粒度场景分类需求,本文构建百万样本、80类的无缩放MEET数据集,提出自适应融合中心与辅助场景上下文的CAT模型,并通过基准实验证明其显著优于11个基线。
2025-03-14 cs.AI cs.CV
CAT-SG: A Large Dynamic Scene Graph Dataset for Fine-Grained Understanding of Cataract Surgery
Chair for Computer-Aided Medical Procedures, Technical University Munich, Germany(计算机辅助医疗程序研究所,慕尼黑技术大学,德国);Carl Zeiss AG, Munich, Germany(蔡司股份公司,慕尼黑,德国)
本文提出首个提供工具与组织交互、手术变异和时间依赖性结构化标注的白内障手术场景图数据集CAT-SG,并开发了优于现有方法的场景图生成模型CatSGG,以全面理解手术工作流程并提升AI驱动的手术训练与决策支持。
2025-06-26 cs.AI cs.CV cs.LG
Data-free Knowledge Distillation for Fine-grained Visual Categorization
School of Computer Science and Technology, East China Normal University(华东师范大学计算机科学与技术学院);School of Computer Science and Technology, Shandong University(山东大学计算机科学与技术学院)
提出DFKD-FGVC方法,通过对抗蒸馏框架、注意力生成器、混合高阶注意力蒸馏和语义特征对比学习,将无数据知识蒸馏扩展到细粒度视觉分类,在三个基准上取得优越性能。
2024-04-18 cs.CV
R2-Trans:Fine-Grained Visual Categorization with Redundancy Reduction
Huazhong University of Science and Technology(华中科技大学);University of Florida(佛罗里达大学);Shenzhen Research Institute, Huazhong University of Science and Technology(华中科技大学深圳研究院)
细粒度视觉分类(FGVC)旨在区分相似的子类别,其主要挑战是大的类内差异和微妙的类间差异。现有的FGVC方法通常选择由训练好的模型发现的判别区域,这容易忽略其他潜在的判别信息。另一方面,ViT中图像块序列之间的大量交互使得产生的类令牌包含大量冗余信息,这也可能影响FGVC的性能。在本文中,我们提出了一种新的方法FGVC,它可以同时利用部分但足够的判别信息的环境线索,也压缩冗余信息类令牌相对于目标。具体而言,我们的模型计算高权重区域在一个批次中的比例,自适应地调整掩蔽阈值,实现适度提取输入空间中的背景信息。此外,我们还使用信息瓶颈~(IB)的方法来指导我们的网络在特征空间中学习一个最小的充分表示。在三个广泛使用的基准数据集上的实验结果验证了该方法的性能优于其他最先进的方法和基线模型。
2022-04-21 cs.AI cs.CV
Fine-R1: Make Multi-modal LLMs Excel in Fine-Grained Visual Recognition by Chain-of-Thought Reasoning
Wangxuan Institute of Computer Technology(王轩计算机技术研究所)
Fine-R1通过链式推理监督微调和三元组增强策略优化,提升多模态大语言模型在细粒度视觉识别中的表现,仅用4次训练即超越现有模型。
2026-04-27 cs.AI cs.CV
A Two-Layer Local Constrained Sparse Coding Method for Fine-Grained Visual Categorization
South China University of Technology(华南理工大学)
细粒度类别由于类间的相似性和类内的多样性,比一般类别更难区分。因此,细粒度视觉分类(FGVC)被认为是计算机视觉的挑战性问题之一。本文提出了一种新的基于两层局部约束稀疏编码结构的特征学习框架。该算法采用两层结构学习中间层特征,并引入局部约束项保证编码系数的局部光滑性。为了提取更多的鉴别信息,局部方向直方图代替原始像素作为稀疏编码的输入。此外,一个快速的字典更新过程,推导出进一步提高训练速度。两个实验结果表明,我们的方法达到85.29%的准确率在牛津102花数据集和67.8%的准确率在CUB-200-2011鸟数据集,我们的框架的性能是具有很强的竞争力,与现有的文献。
2015-05-11 cs.CV
Adversarial Reconstruction Feedback for Robust Fine-grained Generalization
College of Computer and Engineering, Shandong University of Science and Technology(山东科技大学计算机与工程学院);School of Software, Dalian University of Technology(大连理工大学软件学院)
针对现有细粒度图像检索方法依赖预定义类别监督、泛化性差的问题,提出AdvRF对抗重构反馈框架,通过检索与重构模型的协同迭代学习类别无关差异表征,经知识蒸馏部署后在多类数据集上取得优异性能。
2025-07-29 cs.CV
Fine-grained Action Analysis: A Multi-modality and Multi-task Dataset of Figure Skating
Dalian University of Technology(大连理工大学)
本文构建来自世界花样滑冰锦标赛的MMFS数据集,以RGB、骨架和评分等多模态数据及256类时空标签支持动作识别与质量评估,并提供基线基准。
2024-04-09 cs.AI cs.CV
NDD20: A large-scale few-shot dolphin dataset for coarse and fine-grained categorisation
Newcastle University(纽卡斯尔大学)
我们介绍了诺森伯兰海豚数据集2020(NDD 20),一个具有挑战性的图像数据集注释的粗粒度和细粒度的实例分割和分类。该数据集是NDD的第一个版本,是为了响应计算机视觉在保护研究中的快速扩展和适合极端环境条件的现场部署系统的生产而创建的-这是一个几乎没有开源数据集的领域。NDD 20包含两种不同海豚物种的水上和水下图像的大量集合,用于传统的粗粒度和细粒度分割。NDD 20中包含的所有数据都是通过在英国诺森伯兰海岸线周围的北海人工收集获得的。我们使用使用NDD 20训练的标准深度学习网络架构进行实验,并报告基线结果。
2020-05-27 cs.CV
Part-Stacked CNN for Fine-Grained Visual Categorization
University of Technology, Sydney(悉尼科技大学);Shanghai Jiao Tong University(上海交通大学)
在细粒度视觉分类的上下文中,将模型解释为人类可理解的视觉手册的能力有时与实现高分类精度一样重要。在本文中,我们提出了一种新的部分堆叠CNN架构,通过对对象部分的细微差异进行建模,明确地解释了细粒度识别过程。基于手动标记的强部件注释,所提出的架构由用于定位多个对象部件的全卷积网络和同时对对象级和部件级线索进行编码的双流分类网络组成。通过在多个对象部分的计算之间采用一组共享策略,所提出的架构在推理期间以20帧/秒的速度非常高效地运行。在CUB-200-2011数据集上的实验结果从分类精度和模型可解释性两个方面验证了该架构的有效性。
2015-12-26 cs.CV
XCon: Learning with Experts for Fine-grained Category Discovery
Tongji University(同济大学);University of Edinburgh(爱丁堡大学);LunarAI
本文研究了广义类别发现(GCD)问题,即利用可见类集合中的信息对未标记图像进行聚类,其中未标记图像既包含可见类,也包含未标记类。可见的类可以被看作是类的隐式标准,这使得这种设置不同于无监督聚类,其中聚类标准可能是模糊的。我们主要关注的问题,发现细粒度的数据集内的类别,因为它是类别发现的最直接的应用之一,即帮助专家发现新的概念,在未标记的数据集内使用所看到的类所提出的隐式标准。现有的广义类别发现方法利用对比学习来学习表示,但是大的类间相似性和类内方差对方法提出了挑战,因为反例可能包含用于识别类别的不相关线索,因此算法可能收敛到局部最小值。我们提出了一种新的方法,称为专家对比学习(XCon),以帮助该模型挖掘有用的信息,从图像的数据集划分为子数据集使用k均值聚类,然后执行对比学习的每个子数据集学习细粒度的判别功能。在细粒度数据集上的实验表明,与以往的最佳方法相比,该方法的性能有了明显的提高,表明了该方法的有效性。
2022-08-03 cs.CV
Enhancing Fine-Grained 3D Object Recognition using Hybrid Multi-Modal Vision Transformer-CNN Models
University of Groningen(格罗宁根大学)
在以人为中心的环境中操作的机器人,例如零售店、餐馆和家庭,通常需要以高精度区分不同环境中的相似物体。然而,细粒度的对象识别仍然是机器人技术中的一个挑战,由于高类别内和低类别间的差异。此外,有限数量的细粒度3D数据集在有效解决这个问题方面构成了一个重大问题。在本文中,我们提出了一种混合多模态视觉Transformer(ViT)和卷积神经网络(CNN)的方法,以提高细粒度视觉分类(FGVC)的性能。为了解决FGVC 3D数据集的不足,我们生成了两个合成数据集。第一个数据集包含与餐馆相关的20个类别,共100个实例,而第二个数据集包含120个鞋实例。我们的方法在两个数据集上进行了评估,结果表明它优于仅CNN和仅ViT的基线,在餐厅和鞋子数据集上分别实现了94.50%和93.51%的识别准确率。此外,我们还向研究界提供了FGVC RGB-D数据集,以实现进一步的实验和进步。此外,我们成功地将我们提出的方法与机器人框架相结合,并在模拟和真实世界的机器人场景中展示了其作为细粒度感知工具的潜力。
2023-03-06 cs.AI cs.CV
Fine-Grained Categorization via CNN-Based Automatic Extraction and Integration of Object-Level and Part-Level Features
Hong Kong University of Science and Technology(香港科技大学)
细粒度分类可以受益于基于部件的特征,这些特征揭示了对象类别之间的细微视觉差异。手工特征已广泛用于零件检测和分类。虽然最近的趋势是使用强大的深度学习模型(如卷积神经网络(CNN))自动学习这些特征,但它们的训练和测试可能需要手动提供注释,这是昂贵的。为了放松这些要求,我们在这项研究中假设一个一般的问题设置,其中原始图像只提供对象级别的类标签用于模型训练,不需要其他辅助信息。具体来说,通过提取和解释由CNN学习的分层隐藏层特征,我们提出了一个精细的基于CNN的细粒度分类系统。当在Caltech-UCSD Birds-200-2011,FGVC-Aircraft,Cars和Stanford dogs数据集上进行评估时,在仅使用对象级别的类标签进行训练并且没有其他注释可用于训练和测试的设置下,我们的方法实现了优于或可与现有技术相比的令人印象深刻的性能。它揭示了CNN学习的层次特征的巧妙使用,其具有广泛的适用性,远远超出了当前的细粒度分类任务。
2017-06-22 cs.CV
Piecewise classifier mappings: Learning fine-grained learners for novel categories with few examples
Megvii Research Nanjing, Megvii Technology(旷视南京研究院,旷视科技);University of Wollongong(伍伦贡大学);University of Adelaide(阿德莱德大学);Nanjing University(南京大学)
人类能够在很少的监督下学习一个新的细粒度概念,\emph{e.g.},一种鸟类的几个示例图像,但我们最好的深度学习系统需要数百或数千个标记的示例。在本文中,我们试图通过研究细粒度图像识别问题,在一个具有挑战性的少样本学习设置,称为Few-Shot细粒度识别(FSFG),以减少这一差距。FSFG的任务要求学习系统从很少的例子(只有一个或少于五个)中为新的细粒度类别构建分类器。为了解决这个问题,我们提出了一个端到端的可训练深度网络,它受到最先进的细粒度识别模型的启发,并为FSFG任务量身定制。具体来说,我们的网络由一个双线性特征学习模块和一个分类器映射模块组成:前者将样本图像的判别信息编码为特征向量,后者将中间特征映射到新类别的决策边界。我们的模型的关键新颖之处在于分类器映射模块中的“分段映射”功能,该功能通过以更参数经济的方式学习一组更可达到的子分类器来生成决策边界。我们以元学习的方式学习基于辅助数据集的样本到分类器的映射,期望能够推广到新的类别。通过在三个细粒度数据集上进行综合实验,我们证明了所提出的方法比竞争基线具有更好的性能。
2019-06-21 cs.CV
Exploring Fine-Grained Audiovisual Categorization with the SSW60 Dataset
Cornell University(康奈尔大学);Google(谷歌);University of Edinburgh(爱丁堡大学);University of Copenhagen(哥本哈根大学)
我们提出了一个新的基准数据集,Sapsucker伍兹60(SSW60),推进视听细粒度分类的研究。虽然我们的社区在图像的细粒度视觉分类方面取得了很大的进步,但音频和视频细粒度分类方面的同行相对较少。为了鼓励这一领域的进步,我们精心构建了SSW60数据集,使研究人员能够以三种不同的方式对同一组类别进行分类:图像,音频和视频。该数据集涵盖60种鸟类,包括现有数据集的图像,以及全新的专家策划的音频和视频数据集。我们通过使用最先进的Transformer方法,对视听分类性能和模态融合实验进行了彻底的基准测试。我们的研究结果表明,视听融合方法的性能优于使用专门的图像或音频为基础的视频分类任务的方法。我们还提出了有趣的模态转移实验,使SSW60的独特结构,包括三种不同的方式。我们希望SSW60数据集和伴随的基线能刺激这一迷人领域的研究。
2022-07-21 cs.CV cs.LG
Fine-Grained Classification of Pedestrians in Video: Benchmark and State of the Art
California Institute of Technology(加州理工学院)
介绍了一种用于研究行人细粒度分类的视频数据集。行人是从一辆行驶的车辆上“在野外”记录下来的。注释包括边界框、轨迹、带有遮挡信息的14个关键点以及年龄(5类)、性别(2类)、体重(3类)和服装风格(4类)的细粒度类别。总共有27,454个限界框和姿势标签跨越4222个轨迹。该数据集旨在训练和测试用于细粒度分类的人的算法,它也可用于基准跟踪,检测和行人的姿态估计。国家的最先进的细粒度分类和姿态估计算法进行了测试,使用的数据集和报告的结果作为一个有用的性能基线。
2016-05-20 cs.CV
FiGO: Fine-Grained Object Counting without Annotations
Simon Fraser University(西蒙 Fraser 大学)
FiGO是一种无需标注的细粒度物体计数方法,通过生成合成示例和学习紧凑概念嵌入,实现对细粒度类别的准确计数。
2025-12-23 cs.CV
ViTree: Single-path Neural Tree for Step-wise Interpretable Fine-grained Visual Categorization
Shanghai Jiao Tong University(上海交通大学)
本研究针对深度学习模型可解释性不足的问题,提出结合视觉Transformer与神经决策树的ViTree方法,通过单路径选择和图像块筛选实现逐步可解释的细粒度视觉分类,在保持优异可解释性的同时达到了当前最优性能。
2024-01-30 cs.AI cs.CV
Fine-grained Classification using Heterogeneous Web Data and Auxiliary Categories
Rice University(莱斯大学)
细粒度分类仍然是一个非常具有挑战性的问题,因为缺乏良好的标记训练数据造成的注释大量的细粒度类别的高成本。在极端情况下,给定一组测试类别,而没有任何标记良好的训练数据,现有的大多数工作可以分为以下两个研究方向:1)抓取测试类别的带噪声标记的Web数据作为训练数据,这被称为Web监督学习; 2)将带有良好标记的训练数据的辅助类别中的知识转移到测试类别中,这对应于零样本学习设置。尽管如此,上述两个研究方向仍有关键问题需要解决。对于第一个方向,web数据具有噪声标签并且与测试数据的数据分布相当不同。对于第二个方向,与传统的监督学习相比,零样本学习正在努力实现令人信服的结果。上述两个方向的问题促使我们开发一种新的方法,该方法可以联合利用来自测试类别的带噪网络训练数据和来自辅助类别的标记良好的训练数据。特别地,一方面,我们抓取测试类别的Web数据作为噪声训练数据。另一方面,我们借助自由语义信息(例如,向量)的所有类别。此外,考虑到web数据通常与附加文本信息(例如,标题和标签),我们通过使用Web数据的周围文本信息作为特权信息来扩展我们的方法。大量的实验表明,我们提出的方法的有效性。
2018-11-19 cs.CV
Novel Class Discovery for Ultra-Fine-Grained Visual Categorization
International School of Information Science and Engineering, Dalian University of Technology(大连理工大学信息与工程国际学院);Department of Information Engineering and Computer Science, University of Trento(特伦托大学信息工程与计算机科学系)
本文提出超细粒度新类发现任务UFG-NCD,并设计RAPL框架,通过CRA区域对齐与SemiPL代理学习迁移判别知识,在多数据集上显著优于基线。
2024-05-10 cs.CV
Weak-shot Fine-grained Classification via Similarity Transfer
Shanghai Jiao Tong University(上海交通大学)
细粒度类别的识别仍然是一个具有挑战性的任务,由于不同的从属类别之间的细微差别,这导致了大量的注释样本的需求。为了缓解数据饥饿的问题,我们考虑了在一组干净的基本类别的支持下从Web数据中学习新类别的问题,这被称为弱射学习。在这种情况下,我们提出了一种称为SimTrans的方法,将成对的语义相似性从基本类别转移到新类别。具体来说,我们首先训练干净的数据相似性网络,然后利用传输的相似性去噪网络训练数据使用两个简单而有效的策略。此外,我们在相似性网络上应用对抗损失来增强相似性的可传递性。综合实验证明了我们的弱镜头设置和我们的SimTrans方法的有效性。数据集和代码可在https://github.com/bcmi/SimTrans-Weak-Shot-Classification上获得。
2021-10-23 cs.CV
Language-driven Fine-grained Retrieval
The University of Queensland(昆士兰大学)
LaFG通过将类别名称转换为属性级监督,利用语言模型和视觉-语言模型生成属性描述并聚类属性词汇,以提升细粒度图像检索的性能和泛化能力。
2025-12-06 cs.CV
Cascade one-vs-rest detection network for fine-grained recognition without part annotations
细粒度识别是一项具有挑战性的任务,由于类内的小方差。大多数性能最好的细粒度识别方法利用对象的部分来获得更好的性能。因此,需要在计算上极其昂贵的部件注释。在本文中,我们提出了一种新的级联深度CNN检测框架,用于细粒度识别,该框架经过训练可以检测整个对象而不考虑部分。然而,目前大多数性能最好的检测网络使用N+1类(N个对象类别加上背景)softmax损失,并且具有更多训练样本的背景类别主导了特征学习过程,因此特征对于具有较少样本的对象类别并不好。为了弥补这一差距,我们引入了级联结构来消除背景,并利用一个与休息损失,以捕捉不同的下属类别之间的更微小的差异。实验表明,我们提出的识别框架在CUB-200-2011 Bird数据集上实现了与最先进的,无部分的,细粒度的识别方法相当的性能。此外,我们的方法甚至优于大多数基于部分的方法,而在训练阶段不需要部分注释,并在测试阶段是免费的任何注释。
2017-08-23 cs.CV
Fine-grained Visual-textual Representation Learning
Institute of Computer Science and Technology, Peking University(北京大学计算机科学技术研究所)
细粒度的视觉分类是识别属于同一个基本级别类别的数百个子类别,这是一个非常具有挑战性的任务,由于相当微妙的和局部的视觉相似的子类别之间的区别。大多数现有的方法通常学习部分检测器,以发现有区别的区域,以获得更好的分类性能。然而,并不是所有的部分都是有益的和不可或缺的视觉分类,部分检测器数量的设置在很大程度上依赖于先验知识以及实验验证。众所周知,当我们通过文本描述来描述图像的对象时,我们主要关注的是关键特征,而很少关注共同特征以及背景区域。这是一种从人类视觉注意到文本注意的无意识转移,这导致了文本注意告诉我们有多少部分和哪些部分是有区别的,对分类有意义的。因此,文本注意可以帮助我们发现图像中的视觉注意。受此启发,我们提出了一种细粒度的视觉-文本表示学习(VTRL)方法,其主要贡献是:(1)细粒度的视觉-文本模式挖掘致力于通过生成对抗网络(GANs)联合建模视觉和文本来发现具有区分性的视觉-文本成对信息,以提高分类性能。(2)视觉-文本表示学习结合视觉和文本信息,保留了通道内和通道间信息,生成互补的细粒度表示,进一步提高了分类性能。
2019-02-20 cs.CV
Fine-Grained Representation Learning and Recognition by Exploiting Hierarchical Semantic Embedding
Sun Yat-sen University(中山大学);South China Agricultural University(华南农业大学);University of Electronic Science and Technology of China(电子科技大学);Guilin University of Electronic Technology(桂林电子科技大学)
对象类别固有地形成具有不同概念抽象级别的层次结构,特别是对于细粒度的类别。例如,鸟类(Aves)可以根据目、科、属和种的四级层次结构进行分类。这种层次结构编码了不同层次的各种类别之间的丰富相关性,可以有效地规范语义空间,从而使预测更少歧义。然而,以往的细粒度图像识别的研究主要集中在某一级别的类别,往往忽略了这种相关性信息。在这项工作中,我们研究同时预测的层次结构中的不同级别的类别,并通过开发一种新的层次语义嵌入(HSE)框架,将这种结构化的相关信息集成到深层神经网络。具体地,HSE框架从最高到最低顺序地预测层次结构中的每个级别的类别得分向量。在每一层,它将更高级别的预测得分向量作为先验知识来学习更细粒度的特征表示。在训练过程中,还使用较高级别的预测得分向量作为相应子类别的软目标来正则化标签预测。为了评估所提出的框架,我们用四级类别层次结构组织加州理工学院-加州大学圣地亚哥分校鸟类数据集的200种鸟类,并构建了一个也涵盖四级类别的大规模蝴蝶数据集。在这两个数据集和新发布的VegFru数据集上进行的大量实验证明了我们的HSE框架优于基线方法和现有竞争对手。
2018-08-14 cs.CV
Dual Cross-Attention Learning for Fine-Grained Visual Categorization and Object Re-Identification
Advanced Micro Devices, Inc.(超威半导体公司)
近年来,自我注意力机制在各种NLP和CV任务中表现出令人印象深刻的性能,它可以帮助捕获序列特征并获得全局信息。在这项工作中,我们探索如何扩展自我注意模块,以更好地学习用于识别细粒度对象的细微特征嵌入,例如,不同的鸟类物种或人的身份。为此,我们提出了一个双交叉注意学习(DCAL)算法,以协调与自我注意学习。首先,我们提出了全局-局部交叉注意(GLCA)来增强全局图像和局部高响应区域之间的相互作用,这可以帮助加强识别的空间方向的判别线索。其次,我们提出了成对交叉注意(PWCA)建立图像对之间的相互作用。PWCA可以通过将另一幅图像视为干扰物来规则化图像的注意学习,并在推理过程中被移除。我们观察到,DCAL可以减少误导性注意和分散的注意反应,发现更多的补充部分识别。我们对细粒度视觉分类和对象重新识别进行了广泛的评估。实验表明,DCAL的性能与最先进的方法相当,并持续改善多个自我注意基线,例如,在MSMT 17上分别超过DeiT-Tiny和ViT-Base 2.8%和2.4% mAP。
2022-05-04 cs.AI cs.CV cs.LG
Fine-grained Classification via Categorical Memory Networks
Australian National University(澳大利亚国立大学)
出于利用跨类共享模式的愿望,我们提出了一个简单而有效的类特定的内存模块,用于细粒度的特征学习。存储器模块将每个类别的原型特征表示存储为移动平均值。我们假设,每个类别的相似性的组合本身就是一个有用的判别线索。为了检测这些相似性,我们使用注意力作为查询机制。关于每个类原型的注意力分数被用作权重,以通过加权和来组合原型,从而为给定输入产生唯一定制的响应特征表示。将原始特征和响应特征相结合以产生用于分类的增强特征。我们将我们的类特定记忆模块集成到标准的卷积神经网络中,产生分类记忆网络。我们的内存模块显著提高了基准CNN的准确性,在四个基准测试中实现了具有竞争力的准确性,包括CUB-200-2011,斯坦福汽车,FGVC飞机和NABirds。
2020-12-12 cs.CV
Generate, Refine, and Encode: Leveraging Synthesized Novel Samples for On-the-Fly Fine-Grained Category Discovery
Hefei University of Technology(合肥工业大学);University of Trento(特伦托大学);Helmholtz AI(海德堡人工智能研究所)
针对在线类别发现中标注知识不足的问题,本文提出DiffGRE框架,通过扩散生成、多样性精炼和半监督编码注入合成样本知识,提升细粒度场景下已知与未知类别的在线发现能力。
2025-07-05 cs.CV
Learning to Align Generative Appearance Priors for Fine-grained Image Retrieval
The University of Queensland, Australia(昆士兰大学,澳大利亚);The University of Adelaide, Australia(阿德莱德大学,澳大利亚)
本文提出GAPan网络,通过生成外观先验对齐方法,改进细粒度图像检索的泛化能力,提升对未见类别的检索性能。
2026-05-11 cs.CV
Multi-branch and Multi-scale Attention Learning for Fine-Grained Visual Categorization
China University of Mining and Technology (Beijing)(中国矿业大学(北京))
ImageNet大规模视觉识别挑战赛(ILSVRC)是近年来计算机视觉(CV)领域最具权威性的学术竞赛之一。但是直接将ILSVRC的年度冠军应用于细粒度视觉分类(FGVC)任务并没有取得良好的性能。对于FGVC任务来说,小的类间差异和大的类内差异使其成为一个具有挑战性的问题。我们的注意对象定位模块(AOLM)可以预测的对象和注意部分建议模块(APPM)的位置可以提出信息的部分区域,而不需要边界框或部分注释。得到的目标图像不仅包含了目标的几乎全部结构,而且包含了更多的细节,部分图像具有许多不同尺度和更细粒度的特征,而原始图像包含了完整的目标。这三种训练图像由我们的多分支网络进行监督。因此,我们的多分支和多尺度学习网络(MMAL-Net)具有良好的分类能力和不同尺度的图像的鲁棒性。我们的方法可以进行端到端的训练,同时提供较短的推理时间。通过在CUB-200-2011、FGVC-Aircraft和Stanford Cars数据集上的综合实验表明,该方法能够取得较好的效果。我们的代码将在https://github.com/ZF1044404254/MMAL-Net上提供
2020-07-21 cs.CV cs.LG eess.IV
Classification-Specific Parts for Improving Fine-Grained Visual Categorization
Michael Stifel Center Jena(迈克尔·斯蒂费尔中心);Friedrich-Schiller-University Jena(耶拿弗里德里希·席勒大学)
细粒度视觉分类是一种区分类内方差大、类间方差小的类别的分类任务。虽然全局方法的目的是使用整个图像进行分类,但基于部分的解决方案会收集更多的局部信息,例如注意力或部分。我们提出了一种新的分类特定的部分估计,使用初始预测以及通过梯度计算的特征重要性的反向传播,以估计相关的图像区域。随后检测到的部分,然后不仅选择了后验分类知识,而且还具有一个内在的空间范围,自动确定。这与大多数基于零件的方法形成对比,甚至与可用的地面实况零件注释形成对比,后者仅提供点坐标而不提供额外的比例信息。我们在各种广泛使用的细粒度数据集上的实验中显示了上述部分选择方法与提取的部分特征相结合的有效性。
2019-09-16 cs.CV cs.LG
A Compositional Feature Embedding and Similarity Metric for Ultra-Fine-Grained Visual Categorization
Griffith University(格里菲斯大学)
细粒度视觉分类(FGVC)是近年来发展起来的一种分类方法,其目标是以较小的类间方差对目标进行分类。然而,超细粒度的视觉分类(超FGVC),其目标是识别具有极其相似的模式的子类,并没有得到太多的关注。在超FGVC数据集中,随着粒度的下降,每个类别的样本总是稀缺的,这将导致过拟合问题。此外,不同类别之间的差异太微妙,即使是专业专家也无法区分。针对这些问题,提出了一种新的组合特征嵌入和相似性度量(CECS)。具体来说,在组成特征嵌入模块中,我们在原始输入图像中随机选择补丁,然后将这些补丁替换为来自不同类别的图像的补丁或屏蔽掉。然后利用替换后的图像对原始输入图像进行增强,可以提供更多样的样本,从而在很大程度上缓解了由于训练样本有限而导致的过拟合问题。此外,不同样本的学习迫使模型不仅学习最具区分力的特征,而且学习剩余区域中的其他信息特征,从而增强模型的泛化能力和鲁棒性。在组合相似性度量模块中,提出了一种新的相似性度量方法,通过缩小类内距离和扩大类间距离来提高分类性能。两个ultra-FGVC数据集和一个FGVC数据集与最近的基准方法的实验结果一致表明,所提出的CECS方法达到了最先进的性能。
2021-10-27 cs.CV
Cross-Level Multi-Instance Distillation for Self-Supervised Fine-Grained Visual Categorization
University of Amsterdam(阿姆斯特丹大学);Wuhan University(武汉大学);Yale University(耶鲁大学);Monash University(墨尔本大学);School of Artificial Intelligence(人工智能学院);National Engineering Research Center for Multimedia Software(多媒体软件国家工程研究中心);School of Computer Science(计算机科学学院);State Key Lab. LIESMARS(国家重点实验室)
针对自监督细粒度分类中关键块信息利用不足的问题,提出跨层级多实例蒸馏框架,通过层级内外多实例蒸馏提升表示质量,在多个基准上显著超越现有方法。
2025-06-24 cs.CV