有关细粒度图像分析（Fine-Grained Image Analysis）

最新推荐文章于 2025-05-09 10:08:23 发布
原创 最新推荐文章于 2025-05-09 10:08:23 发布 · 2.6k 阅读 · 3
标签
#图像 #细粒度
细粒度图像分析专注于高相似度物体的精准识别，挑战在于细微特征的捕捉。本文探讨了强监督与弱监督分类模型的区别，重点介绍了RA-CNN方案，该方案通过多尺度注意力机制，有效提升分类精度。

有别于通用图像分析（General/Generic Images）任务，细粒度图像分析（Fine-Grained Image Analysis）任务的所属类别和粒度更为精细，它不仅能在更细分的类别下对物体进行识别，就连相似度极高的同一物种也能区别开来。

 

[references]:

https://www.microsoft.com/en-us/research/wp-content/uploads/2017/07/Look-Closer-to-See-Better-Recurrent-Attention-Convolutional-Neural-Network-for-Fine-grained-Image-Recognition.pdf

https://arxiv.org/pdf/1504.07889v5.pdf

 

细粒度图像分析任务相对通用图像任务的区别和难点在于其图像所属类别的粒度更为精细。按照其使用的监督信息的强弱，分为“基于强监督信息的分类模型”和“基于弱监督信息的分类模型”两大类。“强监督细粒度图像分类”是指在模型训练时，为了获得更好的分类精度，除了图像的类别标签外，还使用了物体标注框（Object Bounding Box）和部位标注点（Part Annotation）等额外的人工标注信息。“强监督细粒度图像分类”信息的标注代价大，所以使

最低0.47元/天 解锁文章
细粒度分类：S3N论文笔记——Selective Sparse Sampling for Fine-grained Image Recognition
qq_50001789的博客
06-23 577
论文题目：《Selective Sparse Sampling for Fine-grained Image Recognition》 本文利用图像分类网络学习到的类峰值响应来估计细粒度图像的信息区域，再利用该区域指导对原图的选择性采样过程，从而突出图像中的细节并且不丢失周围的上下文信息。
Deep learning for fine-grained image analysis：A survey
abrams90的专栏
10-24 2118
Abstract CV是一种机器理解与分析图像的过程，是人工智能的一个重要分支。在CV众多的研究领域中，细粒度图像分析（FGIA）是一个持续基础的工作，是真实世界应用中普遍存在的问题。FGIA的目标是区分视觉目标的子类别，例如，鸟的类别或者车辆的类别。细粒度特性导致的小类内变化与大类间变化使得细粒度分类称为一个具有挑战性的问题。随着深度学习爆炸式的发展，近些年来FGIA利用深度学习技...
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。
细粒度视觉分析综述TPAMI2021
白景屹的博客
02-21 3118
视觉细粒度分析综述
《Fine-Grained Image Analysis with Deep Learning: A Survey》阅读笔记
AncilunKiang的博客
11-19 1307
与上篇综述相同：细粒度图像分析（FGIA）的任务是分析从属类别的视觉对象。细粒度性质引起的类间小变化和类内大变化使其成为一个具有挑战性的问题。本文还涵盖了 FGIA 的其他一些重要问题，例如公开的基准数据集及其相关的特定领域应用。最后在总结这项调查时强调了几个方向和有待社会进一步探索的问题。本文试图通过整合两个基本的细粒度研究领域——细粒度图像识别和细粒度图像检索，重新定义和拓宽 FGIA 的领域。
Deep learning for fine-grained image analysis: A survey
weixin_45691429的博客
07-21 1896
细粒度图像分析的深度学习综述 Abstract 计算机视觉是利用机器来理解和分析图像的过程，是人工智能的一个重要分支。在CV的各个研究领域中，细粒度图像分析（FGIA）是一个由来已久的基本问题，在各种实际应用中已经变得无处不在。FGIA的任务是从从属类别分析视觉对象，例如鸟类种类或汽车模型。由于细粒度的特性导致的小类间变化和大的类内变化使其成为一个具有挑战性的问题。在深度学习蓬勃发展的过程中，近年来FGIA应用深度学习技术取得了显著进展。 本文旨在系统地综述基于深度学习的FGIA技术的最新进展。具体来说，
《Deep learning for fine-grained image analysis: A survey》阅读笔记
AncilunKiang的博客
11-18 779
细粒度图像分析（FGIA）的任务是分析从属类别的视觉对象。细粒度性质引起的类间小变化和类内大变化使其成为一个具有挑战性的问题。本文旨在系统地调查基于深度学习的 FGIA 技术的最新进展。本文将现有的 FGIA 技术研究分为三大类：细粒度图像识别细粒度图像检索细粒度图像生成本文还涵盖了 FGIA 的其他一些重要问题，例如公开的基准数据集及其相关的特定领域应用。最后在总结这项调查时强调了几个方向和有待社会进一步探索的问题。
Fine-Grained Image Analysis
qq_39477732的博客
10-11 646
Method Published BBox Part Baseline Image Resolution Bird Acc Car Acc PB R-CNN ECCV 2014 √ Alex-Net 224×224 73.9% MaxEnt NeurIPS 2018 GoogLeNet TBD 74.4% PB R-CNN ECCV 2014 √ √ Alex-Net 224×224 76.4%
Awesome Fine-Grained Image Analysis – Papers, Codes and Datasets
03-07 1277
Awesome Fine-Grained Image Analysis – Papers, Codes and Datasets   Table of contents Introduction Tutorials Survey papers Benchmark datasets Fine-grained image recognition Fine-grained recognition by localization-classification subnetworks...
ValseWebinar : Fine-Grained Image Analysis and Beyond
Moeyinss
03-26 172
20181226魏秀参：Fine-Grained Image Analysis and Beyond SCDA(con’t) 深度描述子 同一channel 对不同物体的激活部位不同 保留最大的激活部分 pre-trained 模型 VLAD：基于一阶 Fisher：基于二阶 avg和max pool进行级连 物体协同定位 计算相关性 保留 PCA 第一维 ...
二维多孔介质图像的粒度分布研究（Matlab代码实现）
最新发布
weixin_67304359的博客
05-09 1053
二维多孔介质图像是通过显微成像技术（如SEM、CT）获取的二维切片，呈现孔隙与固相骨架的空间分布。蜂窝状结构：大孔洞通过狭窄通道连接，常见于滤材。纤维状结构：细长纤维交织形成开放网络，影响流体渗透路径。周期性几何结构：均匀排列的正方形网格，用于简化模型研究。不同结构的多孔介质在渗透性、孔隙连通性等方面差异显著，需针对性分析其粒度分布。等效直径：将孔隙面积等效为圆形直径，计算简单但忽略形状复杂性。最大内切圆直径：反映孔隙的“最小通道”尺寸，对渗透性研究更具意义。骨架化分析。
基于深度学习的细粒度图像分析综述【翻译】
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
10-12 3369
细粒度图像分析（FGIA）是计算机视觉和模式识别中一个长期存在的基本问题，是一系列实际应用的基础。FGIA的任务是分析下属类别的视觉对象，例如鸟类物种或汽车模型。细粒度图像分析固有的小类间变化和大类内变化使其成为一个具有挑战性的问题。利用深度学习的进步，近年来我们见证了以深度学习为动力的FGIA的显著进步。在本文中，我们对这些进展进行了系统的综述，试图通过整合两个基本的细粒度研究领域——细粒度图像识别和细粒度图像检索，重新定义和拓宽FGIA领域。
图像质量评价论文阅读2022.9（1）
shawchoy的博客
09-13 2850
九月初读的六篇图像质量评价方向的论文，来自于近两年的顶会顶刊，将论文的主要观点、贡献、方法整理提取出来，供大家阅读，想细读论文的读者可以根据论文来源去查找下载，欢迎与我交流
阅读“细粒度图像识别关键技术研究”
weixin_46908370的博客
01-11 1467
细粒度识别的对象是区分同一类别下的不同子类别物体；细粒度图像识别的物体具有相似的形状和纹理，物体间的差异非常细微 1. 研究现状背景概括 细粒度识别中所采用的目标定位可以分为两类:一类是关键点定位，一类是区分性区域定位。 1.1. 关键点定位 关键点定位是在图像中寻找并定位预定义物体关键点，主要应用于人脸关键点检测、人体姿态估计和骨骼关键点定位。原理也就是求解图像I到关键点L的映射φ（就是求这俩个集合之间的函数关系）。在之前的研究中主要提出了基于回归的方法、基于热力图的方法和基于图网络的方法。...
细粒度图像识别算法Mask-CNN
qq_29462849的博客
05-16 6232
1 简介 传统的图像识别一般都是识别花、鸟、汽车等不同类别物体，而细粒度图像识别则是要识别同一类物体下的不同子类。举个例子，识别一张图片是猫、狗、汽车还是飞机就是传统的图像识别，而识别一张图片是贵宾犬、边境牧羊犬、吉娃娃还是斗牛犬，则是细粒度图像识别。不同的犬类相似性一般都很高，比如下面的哈士奇和阿拉斯加雪橇犬，如果事先不知道它们有差别的部位，很难正确识别。现在图像识别大都使用卷积神经网络CN...
基于注意力机制的细腻度图像分类
JRRG的博客
06-09 1万+
细腻度图像分类相比普通的图像分类具有更大的挑战，因为在细腻度图像类别中类间差异往往只聚焦于很小的一个区域。比如在下图海鸥的3个品种中，差异仅仅体现在喙与脚；而在人类活动识别(human activity recognition)中的弹奏乐器与拿着乐器也仅仅体现在手和嘴上。针对这一类分类任务可采用强监督的学习方式，即根据下图中额外的bounding box信息去学习相应的模型；然而，一方面强监督的学...
人群行为分类数据库--Crowd-11: A Dataset for Fine Grained Crowd Behaviour Analysis
AI小作坊 的博客
09-18 4132
Crowd-11: A Dataset for Fine Grained Crowd Behaviour Analysis CVPRW2017这个数据库目前貌似没有公开，以后应该公开吧。针对人群行为分析方面的研究，本文主要的工作有以下三点： 1）针对人群行为细分，我们建立了一个较大的数据库 Crowd-11， 11 crowd motion patterns and it is compose
细粒度图像分析综述2019
fuyouzhiyi的博客
07-13 3659
文章目录导读细粒度应用和分类2 细粒度的问题和挑战问题挑战3 数据集4 细粒度图像识别4.1 定位分类子网络4.2 端到端特征编码4.3 辅助信息5 细粒度图像检索6 细粒度图像生成7 细粒度图像分析相关的特定领域应用8 未来方向参考 导读 图像分析是CV最重要的分支之一。在CV的各个研究领域中，细粒度图像分析(FGIA)是一个长期存在的基础性问题。旷视的研究人员魏秀参等人，将FGIA分为：细粒...
细粒度图像分类 fine-grained classification
热门推荐
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...
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
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