细粒度图像识别算法研究.PDFVIP

细粒度图像识别算法研究 计算机科学技术学院 王德泉 指导教师 薛向阳 摘要：细粒度图像识别问题是指子类别的精细分类任务，由于子类别的类内多样性及类间相似性较 粗粒度图像识别更加突出，其用于识别的图像关键特征分布也相对稀疏化、局部化，为解决细粒度 图像识别任务带来了很大挑战，如果有海量标注数据的帮助，这些困难大都可以迎刃而解。从分类 语义树来看，细粒度类别其实含有一系列由粗到细的类别标签，更重要的是我们无需花费额外人力 便可轻松得到这些隐含信息。在粗细粒度信息的共同指导下，本文提出一种基于深度卷积神经网络 的细粒度图像识别算法，一方面从图片中定位包含关键信息的局部区域，另一方面利用卷积神经网 络描述区域的精细特征。算法不仅能够从海量数据中自动学习出层次化的特征表达，还可以针对特 定目标定位出关键区域。值得注意的是，这一过程仅仅需要少量的类别标注信息便可自动学习完 成，从而避免了繁重人工劳动对算法适用场景的限制。实验结果表明算法可以在最小监督信息代价 的条件下得到目前最好的性能表现，充分展示了算法对细粒度图像关键特征的抽取描述能力。 关键词：细粒度图像分类，图像识别，卷积神经网络，深度学习