主页
2018-05-04：研究室的1篇细粒度图像分类论文被多媒体领域顶级国际期刊TCSVT接收
研究室独立完成的1篇细粒度图像分类论文被TCSVT接收为Regular论文：Xiangteng He, Yuxin Peng and Junjie Zhao, "Fast Fine-grained Image Classification via Weakly Supervised Discriminative Localization", IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)。祝贺何相腾同学，赵俊杰同学！
现有细粒度图像分类方法大多聚焦于研究如何获取更高的分类准确率，忽略了分类的速度要求（时间成本高）；此外，他们严重依赖图像中对象、部件等人工标注信息（标注成本高）。为同时降低时间和标注成本，本文提出了一种弱监督的快速辨识性定位方法，能够在加快分类速度的同时，消除对于图像中对象、部件等人工标注信息的依赖。首先，提出了多级注意力驱动的定位学习自动定位图像中不同的特征区域，而不依赖于对象、部件等标注，这些区域提供互补且互不冗余的信息以提升分类准确率。其次，提出了多路端到端辨识性定位网络，能够在一次前向传播中同时生成多个辨识性区域，避免了多个辨识性区域生成的重复性计算，在提高细粒度图像分类准确率的同时，加快了分类速度。
论文下载: Fast Fine-grained Image Classification via Weakly Supervised Discriminative Localization【arXiv】
现有细粒度图像分类方法大多聚焦于研究如何获取更高的分类准确率，忽略了分类的速度要求（时间成本高）；此外，他们严重依赖图像中对象、部件等人工标注信息（标注成本高）。为同时降低时间和标注成本，本文提出了一种弱监督的快速辨识性定位方法，能够在加快分类速度的同时，消除对于图像中对象、部件等人工标注信息的依赖。首先，提出了多级注意力驱动的定位学习自动定位图像中不同的特征区域，而不依赖于对象、部件等标注，这些区域提供互补且互不冗余的信息以提升分类准确率。其次，提出了多路端到端辨识性定位网络，能够在一次前向传播中同时生成多个辨识性区域，避免了多个辨识性区域生成的重复性计算，在提高细粒度图像分类准确率的同时，加快了分类速度。