标签: 细粒度

290 0

[翻译] A Discriminative Feature Learning Approach for Deep Face Recognition

深度人脸识别的判别特征学习方法Center Loss一、介绍对于人脸识别任务,深度学习特征需要可分离性和有辨别度。因为在训练阶段无法收集到所有可能的测试样本,CNN预测的样本标签不能总是适用。深度学习特征需要有足够的具有辨别力和概括性,以便在没有预测标签的情况下区分未见过的类别。判别特征可以通过最近邻(NN)或k-最近邻(k-NN)这类不需要预测标签的算法分好类。然而softmax只鼓励特征...
- 阅读全文 -
189 0

[略读] Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up

使用弱监督补充局部信息的自底向上的细粒度图像分类模型摘要给定由图像和相应的类别标签组成的训练集,深度卷积神经网络在挖掘用于图像分类的判别部分方面表现出强大的能力。然而使用图像级标签训练的深度卷积神经网络仅倾向于关注最具辨别力的部分,忽视了可提供补充信息的其他部分。在本文中,我们从不同的角度处理这个问题。我们以弱监督的方式构建互补局部模型,以得到被卷及网络关注的显著部分所抑制的信息。仅给定图像...
- 阅读全文 -
160 0

[翻译] Beyond Part Models: Person Retrieval with Refined Part Pooling

原文链接这是一篇可在图像领域通用的小trick,同时也是一种细粒度算法的设计。摘要使用基于人体局部图像的特征对行人图像进行描述为任务提供了细粒度的信息,并且在最近的文献中已被证实对于行人重识别是有益的。发现局部细粒度特征的先决条件是每个局部都应该被准确的定位。本文不使用额外标注(例如姿势估计)来直接定位局部位置,而是强调每个局部位置的内容一致性。具体来说,我们的目标是学习用于人物检索的区别性...
- 阅读全文 -