细粒度图像分析是计算机视觉关注的焦点问题之一。南京理工大学魏秀参等研究者发布了最新《深度学习细粒度图像分析》综述论文，对细粒度图像识别和细粒度图像检索来重新定义和扩展FGIA领域。

摘要

细粒度图像分析(FGIA)是计算机视觉和模式识别中一个长期存在的基本问题，支撑着一系列现实世界的应用。FGIA的任务是分析从属类别的视觉对象，例如鸟类的种类或汽车的模型。细粒度图像分析中固有的类间小变化和类内大变化使其成为一个具有挑战性的问题。利用深度学习的进步，近年来我们见证了基于深度学习的FGIA的显著进步。在本文中，我们对这些进展进行了系统的综述，试图通过整合两个基础的细粒度研究领域——细粒度图像识别和细粒度图像检索来重新定义和扩展FGIA领域。此外，我们还回顾了FGIA的其他关键问题，如公开可用的基准数据集和相关的领域特定应用。最后，提出了几个需要社会进一步探索的研究方向和有待解决的问题。

论文标题：

Fine-Grained Image Analysis with Deep Learning: A Survey

Authors: Xiu-Shen Wei, Yi-Zhe Song, Oisin Mac Aodha, Jianxin Wu, Yuxin Peng, Jinhui Tang, Jian Yang, Serge Belongie

论文链接：

https://ieeexplore.ieee.org/document/9609630

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除