李明峰,邵琳钰,蔡昌利

(1.上海理想信息产业(集团)有限公司,上海 201200; 2.北京邮电大学信息与通信工程学院,北京 100876)

图像识别是计算机视觉领域的基础任务和重要研究方向。随着相关研究的不断深入,更具挑战性的细粒度图像识别任务受到了越来越多的关注。细粒度图像识别的目标是准确地区分一个大类下的多个子类别,例如区分图1中3种形态十分相似的鸟类。相较于一般的图像识别任务,细粒度图像识别具有类间差异小、类内差异大的特点。具体来说,类间差异小是指,不同子类的对象具有相似性,需要通过一些关键的区域(以鸟类为例,如鸟嘴、翅膀、爪子等部分区域)来加以区分,然而标注关键区域会增加额外的标注成本;类内差异大是指,同一个子类中,由于姿势、背景、光线以及拍摄角度等因素的不同,对象之间差别相对较大。细粒度图像识别的实际应用非常广泛,如图1中提到的鸟类分类[1],以及针对零售商品[2]、车辆[3]、真菌[4]等对象的分类任务,并且很多工业缺陷分类与医学计算机体层摄影(computed tomography,CT)图像分类任务也可以归为细粒度图像识别问题。

(a) 钩嘴鸟 (b) 黑脚信天翁 (c) 凤头海雀

针对上述提到的细粒度图像识别问题的特点和难点,目前已经进行了大量的研究工作。早期的细粒度图像识别算法[5-7]主要基于包含强监督信息的图像数据进行训练,除了图像的类别信息之外,还需要使用额外的人工标注信息(如针对鸟嘴翅膀等关键区域的标注点以及对象标注框等)。……