基于外观的复合属性学习的细粒度识别
由于语义可理解性及共享性,视觉属性作为刻画对象的中间特征表示在众多领域得到了广泛应用。视觉属性学习中,大量的人工成本用于属性定义和标注,因此难以避免地引入了主观偏见,属性表示的类别判别性难以保证,尤其面临对判别性要求较高的细粒度识别任务时更为明显。复合属性符合人类认知规律以及对象复杂多模分布的事实,从刻画对象的分布入手,以较低廉的代价建立兼具一定描述能力及较好判别能力的特征表示,以应对细粒度识别任务对判别特征和判别模型的较高要求。在细粒度识别代表性公开数据集CUB上验证了所提方法的有效性。在细粒度识别任务中,复合属性表现出比人工定义的属性以及类别判别属性更优的性能。
属性学习、复合属性、分散式表示、细粒度识别
31
TP391.4(计算技术、计算机技术)
江苏省自然科学基金BK20161020资助项目;江苏省高校自然科学研究15KJB520023资助项目。
2017-01-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
1205-1212