小星星专栏

亲爱的 Professor Dai 的一片SCI论文，存个档Bilinear CNN Model for Fine-Grained Classification Based on Subcategory-Similarity Measurement

CVPR2019的一篇细粒度分类，京东AI研究院：Chen Y, Bai Y, Zhang W, Mei T. Destruction and Construction Learning for Fine-Grained Image Recognition. InProceedings of the IEEE Conference on Computer Vision and Pattern ...

一. CCF推荐国际会议分类1. A类会议2. B类会议3. C类会议二. CCF推荐国际期刊分类1. A类期刊2. B类期刊3. C类期刊三. 重要中文期刊

1. 数据集情况介绍（摘自魏秀参整理的细粒度分类网站）2. 下载链接(有些事官方链接，有些是自己的百度云)1. CUB200-2011：链接: [https://pan.baidu.com/s/1fJ-n0LQIlnxhhdGVYnn77w](https://pan.baidu.com/s/1fJ-n0LQIlnxhhdGVYnn77w) 提取码: 5rce 2. Oxford flow...

**最新视觉顶会论文收集 -- 细粒度分类，也包含部分目标检测论文，可能会对细粒度分类有启发**CVPR 2019细粒度分类Zheng H, Fu J, Zha Z J, et al. Looking for the Devil in the Details: Learning Trilinear Attention Sampling Network for Fine-grained I...

声明：本文原创，未经本人同意，禁止任何形式的转载！！！后记：这篇文章虽然是19年放出来，但是是我在18年初的时候写的，所以文中引用的方法都是17年以前的，有点过时了，现在又出现了好多新方法，最高的在CUB上的精确度已经达到了91%左右摘 要 深度学习技术已经在各种视觉分析任务中展现出了其强大的特征提取能力。特别是在细粒度图像分类领域，深度特征提取技术让其获得了巨大的性能提升。基于...

摘要： 通过微调来迁移从大规模数据集（如ImageNet）上获得的知识，为特定领域的细粒度视觉分类（FGVC）任务提供了有效的解决方案。在这种情况下，数据注释通常需要专门的领域知识，因此难度很大。在这项工作中，我们首先解决了大规模FGVC中的问题。我们的方法在iNaturalist 2017大规模物种分类挑战中获得第一名。方法成功的核心是使用更高分辨率的图像，并处理训练数据的长尾分...

Peng Y, He X, Zhao J. Object-Part Attention Model for Fine-grained Image Classification. Proc. CVPR, 2017.提出的方法：OPAM，弱监督，模型的主要创新点：1，整合两级注意力，object-level and part –level。object-level定位图像中的object，part...

Cai S, Zuo W, Zhang L. Higher-Order Integration of Hierarchical Convolutional Activations for Fine-Grained Visual Categorization[C]// IEEE International Conference on Computer Vision. IEEE Computer So...

L. Liu, A. Veeraraghavan, A. Sabharwal. Webly Supervised Learning Meets Zero-Shot Learning: A Hybrid Approach for Fine-Grained Classification. In CVPR, 2018. 针对目前细粒度分类的两个问题：1，细粒度的标注信息的获取需要...

Yin C, Yang S, Chen S, et al. Large Scale Fine-Grained Categorization and Domain-Specific Transfer Learning. In CVPR, 2018. 这篇论文是目前发表的细粒度分类性能最高的一篇论文，在CUB200数据集上取得了89.6的分类准确率，超过之前最好的结果3%。本文提...

X. Liu, T. Xia, J. Wang, Y. Q. Lin. Fully convolutional attention localization networks: Efficient attention localization for f-ine-grained recognition. arXiv:1603.06765, 2016 文中作者提出一种基于强化学...

两篇论文1，H. Zheng, J. Fu, T. Mei and J. Luo, Learning Multi-attention Convolutional Neural Network for Fine-Grained Image Recognition,2017 IEEE International Conference on Computer Vision (ICCV), Veni...

这篇文章的作者是之前的two level attention model 的作者，作者对之前的两级注意力模型上做出了许多改进，取得了非常好的效果。超过目前的其他方法。 之前的细粒度分类的方法都有以下两个限制，1，过分依赖object或part annotation，2，忽视了object 和part之间的空间关系以及parts之间的关系。作者将提出的模型称为OPAM模型。...

这篇文章是2015年的，作者使用提出了两级注意力的方法，来进行细粒度分类。以鸟类分类为例。作者在object-level和part-level两个级别分别对鸟进行分类，将得到的分数相加综合后得到最后的分类结果。上图是鸟分类在object-level的一个流程图，先用selective search从原始图片中提取大量的patch,然后使用ImageNetI 的LSVRC竞赛使用的Ale...

双线性模型是2015年提出的一种细粒度图像分类模型。该模型使用的是两个并列的CNN模型，这种CNN模型使用的是AlexNet或VGGNet去掉最后的全连接层和softmax层，这个作为特征提取器，然后使用SVM作为最后的线性分类器。当然，作者还在实验中尝试了多种方法，比如最后使用softmax但类别有所减少的分类器，作者在特征提取器上也有三种尝试，分别是使用两个AlexNet，使用一个AlexNe...

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...