基于深度卷积特征的细粒度图像分类研究综述

• 作者: 吴建鑫 罗建豪
• 来源期刊: 自动化学报
• 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
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 综述
• 页码范围: 1306-1318
• 页数: 13页
• 字数: 15479字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c160425

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴建鑫	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	11	395	6.0	11.0
2	罗建豪	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	2	83	1.0	2.0