细粒度图像分类---Fine-grained Image Classification

最新推荐文章于 2025-07-03 15:30:53 发布
最新推荐文章于 2025-07-03 15:30:53 发布
阅读量6.7k 收藏 6
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/u011489887/article/details/79464515
本文介绍了细粒度图像分类领域的最新进展，包括Object-Part Attention Driven Discriminative Localization等关键技术，通过两层注意力模型实现更精确的目标定位与分类。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.进展综述

https://zhuanlan.zhihu.com/p/24738319

2.论文

原文：Object-Part Attention Driven Discriminative Localization for Fine-grained Image Classification（2017.4.6）

作者：Yuxin Peng, Xiangteng He, and Junjie Zhao（清华大学）

下载地址：https://arxiv.org/abs/1704.01740

原文介绍：http://blog.youkuaiyun.com/Cyiano/article/details/72081855


 原文：Two-level attention model for fine-grained Image classification

  原文介绍：http://blog.youkuaiyun.com/baidu_17806763/article/details/70209567


细粒度分类：PMG论文笔记——Fine-Grained Visual Classification via Progressive Multi-Granularity Training
qq_50001789的博客
06-24 575
论文题目《Fine-Grained Visual Classification via Progressive Multi-Granularity Training of Jigsaw Patches》 本文将渐进训练策略应用到细粒度分类任务中，提出了一种新的多粒度(PMG)训练框架，该框架主要由两部分组成：①以渐进方式融合多粒度特征的新型训练策略；②用于形成包含不同粒度级别信息图像的拼图生成器。
细粒度分类：DCL论文笔记——Destruction and Construction Learning for Fine-grained Image Recognition
qq_50001789的博客
06-23 294
论文题目：《Destruction and Construction Learning for Fine-grained Image Recognition》 本文提出了一种用于细粒度分类的DCL网络。首先通过破坏学习，提高了识别的难度，从而引导网络学习细粒度识别中的专业知识(细节差异)。而构建学习可以模拟物体各部分之间的语义关联，从而引导网络学习物体各部分之间的相关性。同时，该网络在测试过程中只需要将图片传入主干特征提取网络中进行分类预测，计算量小，具有很好的实用价值。
深度学习: 细粒度图像分类 (fine-grained image recognition)
datayx的文章
01-30 9797
向AI转型的程序员都关注了这个号????????????人工智能大数据与深度学习 公众号：datayx细粒度图像识别 (fine-grained image recognition)，...
图像分类：从基础原理到前沿技术
最新发布
桃之夭夭的博客
07-03 1061
图像分类（Image Classification）是计算机视觉中的一项核心任务，其目标是将输入的图像自动分配到一个或多个预定义的类别标签中。简单来说，就是让计算机"看懂"图像内容并对其进行归类。技术定义：给定一个包含N个类别的分类系统，图像分类的任务是构建一个预测模型f，使得对于任意输入图像I，都能输出一个类别标签y∈{1,2,…,N}，或者输出一个概率分布p(y|I)，表示图像属于各个类别的可能性。图像分类作为计算机视觉的基础任务，在过去十年中取得了令人瞩目的进展。
细粒度图像分类
m0_47163076的博客
03-09 175
https://blog.youkuaiyun.com/zsx1713366249/article/details/84923981
图像分类的细分任务
HY的博客
05-09 1314
图像分类根据标签的不同，大致可分为二分类任务、多分类任务、多标签分类任务。 二分类 数据集有两个类别，每张图片是两个类别中的一个，标签为0或1。比如，训练一个图像分类器，判断一张输入图片是否为鸟。 二分类的损失函数的计算方式如公式1所示，其中hθ(x)h_\theta(x)hθ​(x)是sigmoid激活函数。激活函数是将数值变换到（0，1）之间，图展示了sigmoid函数，是递增的函数，当x等于0的时候，sigmoid函数的值为0.5，，随着x的增大，函数趋近1，随着x的减小，函数趋近0 L(θ\thet
深度学习 细粒度图像识别 (fine-grained image recognition) 精细化分类，不同品种的花、鸟、狗、汽车 子类别图像分类(Sub-Category Recognition)
万有文的博客
04-05 1823
细粒度图像识别是计算机视觉领域的一个具有挑战性的任务，它要求算法能够准确区分同一大类下的不同子类。例如，区分不同品种的花、鸟、狗或汽车。由于子类之间的类间差异可能非常细微，而类内差异（即同一子类内的不同实例之间的差异）可能较大，因此细粒度图像识别的难度通常比普通图像分类任务更高。在细粒度图像识别中，许多方法都依赖于对前景对象及其局部区域的准确定位和特征提取。这是因为不同子类的差异可能主要体现在这些局部区域上。例如，在鸟类识别中，不同品种的鸟可能在头部、脚、翅膀等区域具有独特的特征。
论文笔记：Fine-grained Image Classification by Visual-Semantic Embedding
flyminnnnn的博客
06-14 1750
来源：东南&电子科技&西交&南京邮电，IJCAI-18，paper 摘要 细粒度图像分类(fine-grained image classification, FGIC)，难点在于很大的类内多样性与微妙的类间不同点 现有的方法限制在利用图像中的视觉信息嵌入 本文使用了一些先验知识，来自于结构化知识基础或者非结构化的文本信息，来简化FGIC问题。建立了一个视觉语义嵌入模型来...
fine_grained_classification-master.zip_Multi-Attention；_classifi
07-15
在这个名为"fine_grained_classification-master.zip_Multi-Attention_classifi"的项目中，重点是利用多类注意力机制来提升这一任务的性能。 多类注意力机制（Multi-Attention）是一种先进的深度学习技术，其核心...
GCN_classification:基于场景文本的细粒度图像分类与检索的多模态推理图
05-29
GCN_分类 基于场景文本的细粒度图像分类与检索的多模态推理图 基于我们的WACV 2021接受的论文： ://arxiv.org/abs/2009.09809 安装 创建Conda环境 $ conda env create -f environment.yml 激活环境 $ conda activate finegrained 数据集 上下文数据集可以从以下下载： : 饮料瓶数据集： : 1ss9Pxr7rsdCpYX7uKjd-_1R4qCpUYTWT 训练有素的模型权重 上下文数据集： : 饮料瓶数据集： : 文字和视觉功能 请下载以下文件，并将它们放在以下目录结构中： $ PATH_TO_DATASETS $ /上下文/ $ PATH_TO_DATASETS $ / Drink_Bottle / 请参考链接后的路径以正确放置文件。 视觉特征由Fas
用于FGVC（细粒度视觉分类）的WS-DAN（弱监督数据增强网络）的PyTorch实现
06-12
用于FGVC（细粒度视觉分类）的WS-DAN（弱监督数据增强网络）的PyTorch实现 This repo contains WS-DAN with feature extractors including VGG19('vgg19', 'vgg19_ net = WSDAN(num_classes=num_classes, M=num_attentions, net='inception_mixed_6e', pretrained=True) net = WSDAN(num_classes=num_classes, M=num_attentions, net='inception_mixed_7c', pretrained=True) net = WSDAN(num_classes=num_classes, M=num_attentions, net='vgg19_bn', pretrained=True) net = WSDAN(num_classes=num_classes, M=num_attentions, net='resnet50', pretrained=True)
深度学习细粒度分类综述
shajie的博客
03-17 6108
深度学习-细粒度分类综述
细粒度图像分类研究综述
热门推荐
z止于至善的博客
05-23 2万+
细粒度图像分类问题是计算机视觉领域一项极具挑战的研究课题, 其目标是对子类进行识别，如区分不同种类的鸟。由于子类别间细微的类间差异和较大的类内差异, 传统的分类算法不得不依赖于大量的人工标注信息。近年来, 随着深度学习的发展, 深度卷积神经网络为细粒度图像分类带来了新的机遇。大量基于深度卷积特征算法的提出, 促进了该领域的快速发展。概述定义细粒度图像分类(Fine-Grained Categori...
细粒度图像分类 fine-grained classification
小星星专栏
12-09 2万+
细粒度图像分类又被称作子类别图像分类，是近年来计算机视觉、模式识别等领域的研究热点，其目的是对粗粒度的大类别进行更加细致的子类划分。但由于子类别间的细微差别以及较大的类内差异，较之普通的图像分类任务，细粒度图像分类的难度更大。 早期的基于人工特征的算法表达能力有限，分类效果也有很大的局限性。深度学习的兴起促进了该领域的发展，传统的人工标注信息制约了算法实用性，更多的算法不再依赖人工...
细粒度图像分类模型（含实战代码）
学姐带你玩AI的博客
12-24 5264
细粒度图像分类模型
人群行为分类数据库--Novel Dataset for Fine-grained Abnormal Behavior Understanding in Crowd
AI小作坊 的博客
09-18 1882
Novel Dataset for Fine-grained Abnormal Behavior Understanding in Crowd 数据库：https://github.com/hosseinm/med本文针对人群行为分类建立了一个数据库，这里有5类：Panic，Fight，Congestion，Obstacle ，Neutral目前已有的数据库情况： 2 Proposed Data
一图搞懂细粒度图像中的细粒度
qq_42962681的博客
04-12 1万+
细粒度图像分类相对于粗粒度而言，就是对类别进行更加细致的子类划分。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AICVer

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值