基于深度卷积特征的细粒度图像分类研究综述

摘要：

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.本文首先从该问题的定义以及研究意义出发,介绍了细粒度图像分类算法的发展现状.之后,从强监督与弱监督两个角度对比分析了不同算法之间的差异,并比较了这些算法在常用数据集上的性能表现.最后,我们对这些算法进行了总结,并讨论了该领域未来可能的研究方向及其面临的挑战.

关键词：细粒度图像分类、深度学习、卷积神经网络、计算机视觉

所属期刊栏目：43

分类号：TP3;TP1

资助基金：国家自然科学基金61422203 资助Supported by National Natural Science Foundation of China 61422203

在线出版日期：2017-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1306-1318