蝴蝶检测和细粒度识别竞赛-答辩-ofZhaoQijie.PDFVIP

蝴蝶检测和细粒度识别竞赛 - 答辩 答辩人：赵祈杰 队伍名：VDIG (A299) 单位 ： 北京大学计算机科学技术研究所 实验室：VDIG实验室 Qijie Zhao Visual Data Interpreting and Generation Lab Institute of Computer Science Technology, Peking University Homepage: qijiezhao.github.io Mail: zhaoqijie@pku.edu.cn 一.队伍介绍 • 队名：VDIG （A299） • 姓名：赵祈杰，倪烽，王勇涛 • 单位：北京大学，计算机科学技术研究所，VDIG lab • 成绩：检测（第二），识别（第二） 赵祈杰 倪烽 导师：王勇涛 北京大学计算机科学技术研究所 北京大学计算机科学技术研究所 北京大学计算机科学技术研究所 硕士二年级学生 实习生 副研究员 研究方向：深度学习与计算机视觉， 研究方向：深度学习与计算机视觉，物 研究方向：复杂文档图像理解，深度学 目标检测，语义分割，行为识别， 体识别与目标检测 习与计算机视觉 迁移学习等 联系方式： {zhaoqijie, nifeng, wyt}@pku.edu.cn 二.赛题理解 Ø 问题述： • 目标检测和物体细粒度分类 （object detection, fine- grained classification） • 计算机视觉，图像内容理解，机器学习领域的前沿课题 • 关于生物和视觉算法的交叉科学研究 蝴蝶模式照 蝴蝶生态照 二.赛题理解 Ø 相关研究： u 目标检测(按执行策略划分)： 1，传统算法：Haar+adaboost, DPM等 2，深度学习-单步法：YOLO(v1,v2,v3), SSD, RetinaNet, RefineDet等 3，深度学习-双步法：Faster R-CNN, R-FCN, Mask R-CNN, FPN等 4，深度学习-多步法：Cascade R-CNN等 u 细粒度分类(按方法类型划分)： 1，使用通用CNN （深度卷积神经网络）直接进行细粒度分类：所有分类网络皆可使用 2，基于部位检测与对齐：Part-based RCNN, Pose Normalized Nets, PS-CNN，Deep LAC等 3，基于网络集成的方法：划分数据集为相似的子集或直接使用多个神经网络来提高，双 线性融合特征等。 4，使用注意力模型定位区分性强的区域：Two- level attention, FCN attention等 二.赛题理解 Ø 相关benchmark: u 目标检测： 1，Pascal VOC，通用