陆鑫伟，余鹏飞，李海燕，李红松，丁文谦

（云南大学信息学院，昆明 650500）

（*通信作者电子邮箱lxw3405@163.com）

0 引言

近几年深度学习在计算机视觉领域取得了突破性的成就，被广泛应用于各种图像的分类识别任务。其中，细粒度图像分类是近年来计算机视觉领域一个非常热门的研究课题。细粒度图像分类旨在对特定对象类别，例如不同种类的鸟、狗、飞机、汽车等，进行更细致的子类别划分。与传统的图像分类问题相比，细粒度图像分类由于类间细微差异的区分甚小，内部变化非常微妙，因此图像细粒度分类难度更大，更具有挑战性。细粒度分类的研究算法上主要分为两大类［1］：一类是基于弱监督的算法，另一类是基于强监督的算法，后者非常依赖于人工标注的信息。其中最具代表的是Zhang 等［2］提出的Part R-CNN（Region-based Convolutional Neural Network）算法，首先通过Part R-CNN 使用自下而上的区域算法产生候选区，再利用R-CNN 对对象局部区域检测并评分，然后采用几何约束修正等对象局部区域定位得到特征表示，最后训练支持向量机（Support Vector Machine，SVM）分类器。数据集中目标对象姿态的变化会产生较大的类内方差，进而影响分类性能，对于姿态的干扰，Branson 等［3］提出了姿态归一化卷积神经网络（Convolutional Neural Network，CNN），对不同的输入图像定位检测局部区域后进行裁剪、对齐操作，得到不同层的卷积特征后，再连接成一个特征向量后训练SVM分类器。

强监督算法在一定程度上提高了分类精度，但其高度依赖于数据集本身的标注信息，对数据集的要求比较高。为此，有些学者提出了细粒度图像分类的弱监督算法。……