文献类型：期刊文章

作　　者：罗建豪[1] 吴建鑫[1]

机构地区：[1]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,南京210023

出　　处：《自动化学报》

基　　金：国家自然科学基金(61422203)资助~~

年　　份：2017

卷　　号：43

期　　号：8

起止页码：1306-1318

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

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.

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

分 类 号：TP391.41]