基于外观的复合属性学习的细粒度识别

• 作者: 宋凤义 杨明 胡太
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 属性学习 复合属性 分散式表示 细粒度识别
• 年，卷（期）: 2016,（6）
• 页码范围: 1205-1212
• 页数: 8页
• 分类号: TP391.4
• 字数: 5726字
• 语种: 中文

摘要

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明	南京师范大学计算机科学与技术学院	58	1074	15.0	32.0
2	胡太	南京师范大学计算机科学与技术学院	4	15	1.0	3.0
3	宋凤义	南京师范大学计算机科学与技术学院	2	1	1.0	1.0