基于网络监督数据的细粒度图像分类方法研究.pdf

目录

摘要I

AbstractIII

1绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.2.1粗粒度图像分类任务2

1.2.2细粒度图像分类3

1.2.3网络监督细粒度图像分类4

1.3本文主要工作8

1.4本文组织结构9

2相关知识介绍10

2.1残差多尺度网络10

2.2VisionTransformer12

2.3CaiT模型13

2.4FixMatch14

2.5常用数据集15

2.6本章小结17

3基于协同训练的网络监督标签校正方法18

3.1概述18

3.2算法介绍19

3.2.1方法概述19

3.2.2分布外噪声检测20

3.2.3双网络协同训练21

3.2.4基于历史预测分布的噪声重新标记方法21

3.2.5标签平滑22

3.3实验与结果分析23

3.3.1评估指标24

3.3.2实施细节24

3.3.3与现有方法的比较25

3.3.4消融实验26

3.3.5样本选择结果的可视化29

3.4本章小结30

4三阶段网络监督引导图像与标签关系31

4.1概述31

4.2算法介绍32

4.2.1自监督预训练33

4.2.2半监督学习用于噪声标签校正34

4.2.3类别平衡37

4.2.4局部自注意力37

4.3实验与结果分析38

4.3.1实验设置和细节39

4.3.2与现有方法的比较39

4.3.3消融实验41

4.4本章小结43

5总结与展望44

参考文献46

致谢54

攻读硕士学位期间的主要成果55

摘要

得益于大规模且标注精确的数据集，深度学习技术在多种计算机视觉任务上已取得显

著成就。在细粒度图像分类领域，任务的复杂性显著增加，要求不仅将图像分辨为基础类

别，还需进一步将这些类别细分为更加具体的子类别。这一过程对数据标注的专业性和准

确性提出了更高的要求。然而，精确标注不仅费时费力，而且很难大规模实现，因此，许

多研究者开始探索使用网络监督学习作为一种可行的替代方案。尽管网络监督方法提供了

一个有吸引力的解决方案，但互联网上的图像及其标注的可靠性并不总能得到保证，这些

带有噪声的标签极有可能导致深度神经网络的过度拟合，从而削弱了模型的性能。面对标

签噪声问题，现有的研究大多采用样本选择策略，即在训练过程中优先选择损失较低的样

本作为“干净”数据，进而更新模型。这种做法虽然在一定程度上有效，但也有可能导致

一些重要但损失较高的“难”样本被遗漏，从而影响模型的泛化能力。此外，尽管通过引

入噪声转移矩阵来纠正损失的方法在理论上是可行的，但实际操作中却复杂且容易过拟合。

针对上述挑战，本文提出了一种新颖的基于协同训练的网络监督标签校正方法，并设计了

一个三阶段的网络监督引导程序以精确建立图像与其标签之间的关系。本研究的主要贡献

和创新点概括如下：

(1)在考虑数据集可能同时包含分布内和分布外噪声的复杂情况下，本文提出了一种

创新的基于协同训练框架的方法，专门用于识别噪声样本并执行细粒度图像分类任务。该

框架巧妙地结合了“样本选择”与“损失校正”两种策略，从而能够有效地从含噪声的数

据中学习细粒度图