首页|网络监督数据下的细粒度图像识别综述

网络监督数据下的细粒度图像识别综述

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
细粒度图像识别旨在对某一传统语义类别下细粒度级别的不同子类类别进行视觉识别,在智慧新经济和工业物联网等领域(如智慧城市、公共安全、生态保护、农业生产与安全保障)具有重要的科学意义和应用价值.细粒度图像识别在深度学习的助力下取得了长足进步,但其对大规模优质细粒度图像数据的依赖成为制约细粒度图像识别推广和普及的瓶颈.随着互联网和大数据的快速发展,网络监督图像数据作为免费的数据来源成为缓解深度学习对大数据依赖的可行解决方案,如何有效利用网络监督数据成为提升细粒度图像识别推广性和泛化性的热门课题.本文围绕细粒度图像识别主题,以网络监督数据下的细粒度识别为重点,先后对细粒度识别数据集、传统细粒度识别方法、网络监督下细粒度识别特点与方法进行介绍,并回顾了全球首届网络监督下的细粒度图像识别竞赛的相关情况及冠军解决方案.最后,在上述内容基础上总结和讨论了该领域的未来发展趋势.
Review of webly-supervised fine-grained image recognition

魏秀参、许玉燕、杨健

展开 >

南京理工大学计算机科学与工程学院,南京 210094

高维信息智能感知与系统教育部重点实验室,南京 210094

社会安全图像与视频理解江苏省重点实验室,南京 210094

网络监督 细粒度图像识别 噪声数据 长尾分布 类间差异小 综述

江苏省自然科学基金青年基金中国人工智能学会—华为MindSpore学术奖励基金中央高校基本科研业务费专项

BK20210340CAAIXSJLJJ-2020-022A30920041111

2022

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2022.27(7)
  • 6
  • 119