基于深度卷积特征的细粒度图像分类研究综述

被引：142

作者：

罗建豪

吴建鑫

机构：

[1] 南京大学计算机科学与技术系南京大学软件新技术国家重点实验室

来源：

自动化学报 | 2017年 / 43卷 / 08期

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;

D O I：

10.16383/j.aas.2017.c160425

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

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.

引用

页码：1306 / 1318

页数：13

共 13 条

[1] 深层神经网络中间层可见化建模
高莹莹
朱维彬
[J]. 自动化学报, 2015, 41 (09) : 1627 - 1637
[2] 基于区域边缘统计的图像特征描述新方法
余旺盛
田孝华
侯志强
[J]. 计算机学报, 2014, 37 (06) : 1398 - 1410
[3] 2DPCA-SIFT:一种有效的局部特征描述方法
颜雪军
赵春霞
袁夏
[J]. 自动化学报, 2014, 40 (04) : 675 - 682
[4] 基于Bag-of-phrases的图像表示方法[J]. 张琳波,王春恒,肖柏华,邵允学.自动化学报. 2012(01)
[5] 基于排除算法的快速三维人脸识别方法[J]. 晓莉,达飞鹏.自动化学报. 2010(01)
[6] ImageNet Auto-Annotation with Segmentation Propagation
Guillaumin, Matthieu
Kuettel, Daniel
Ferrari, Vittorio
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2014, 110 (03) : 328 - 348
[7] The Ignorant Led by the Blind: A Hybrid Human–Machine Vision System for Fine-Grained Categorization[J] . Steve Branson,Grant Horn,Catherine Wah,Pietro Perona,Serge Belongie.International Journal of Computer Vision . 2014 (1-2)
[8] Selective Search for Object Recognition
Uijlings, J. R. R.
van de Sande, K. E. A.
Gevers, T.
Smeulders, A. W. M.
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2013, 104 (02) : 154 - 171
[9] Image retrieval[J] . Ritendra Datta,Dhiraj Joshi,Jia Li,James Z. Wang.ACM Computing Surveys (CSUR) . 2008 (2)
[10] A survey of content-based image retrieval with high-level semantics[J] . Ying Liu,Dengsheng Zhang,Guojun Lu,Wei-Ying Ma.Pattern Recognition . 2006 (1)

← 1 2 →