Multi-Attention Multi-Class Constraint for Fine-grained Image Recognition论文解读

简介

这篇论文是2018 ECCV的一篇论文，提出了一种半监督的细粒度图像识别的网络。

细粒度图像识别(Fine-Grained Image Recognition)

对于细粒度图像识别，简单的解释就是对于同一个大的类别中，不同子类之间的识别。以狗来进行举例就是，狗是大类，它包含很多的品种，每个品种就可以看做是一个子类。
由于受到多种干扰因素的影响，包括物体姿态、视角、光照、遮挡等，通常会使子类之间的物体差异偏小，而类别之间的物体差异偏大。
基于深度学习的物体分类可以大致分为强监督和弱监督两大类。强监督指图片标注中将物体某些显著特征（即discriminative判别性，可以区分类别的部位信息）给出，弱监督则没有此类信息。
现有的基于深度学习的弱监督方法，主要思路是定位出判别性部位，取得判别性特征做辅助来分类。这属于mid-level学习。加强mid-level学习能力是当前工作的重点。其实这很符合人类辨别细粒度物体的流程。先看全局信息知道大类，然后根据经验把注意力放在一些关键部位来做出判断，这些部位就是网络要找的discriminative parts.

解决的问题？

1. 现在的注意力方法，主要是定位出识别区域，而忽视了识别区域之间的联系。
2. 很多都是multi-stage，效率比较低。
3. 需要大量的初始化操作，工作量比较大。

解决方法

• 提出了一个端到端的网络
• one-squeeze multi-excitation（OSME