“有別于我們熟悉的圖像識別，“細(xì)粒度圖像分析”所屬類別和粒度更為精細(xì)，本文將向讀者全面介紹這一領(lǐng)域的相關(guān)技術(shù)。 ”

　　有別于通用圖像分析任務(wù)，細(xì)粒度圖像分析的所屬類別和粒度更為精細(xì)，它不僅能在更細(xì)分的類別下對物體進行識別，就連相似度極高的同一物種也能區(qū)別開來。本文將分別圍繞“細(xì)粒度圖像分類”和“細(xì)粒度圖像檢索”兩大經(jīng)典圖像問題來展開，從而使讀者對細(xì)粒度圖像分析領(lǐng)域有全面的理解。

　　大家應(yīng)該都會有這樣的經(jīng)歷：逛街時看到路人的萌犬可愛至極，可僅知是“犬”殊不知其具體品種；初春踏青，見那姹紫嫣紅叢中笑，卻桃杏李傻傻分不清……實際上，類似的問題在實際生活中屢見不鮮。如此問題為何難？究其原因，是普通人未受過針對此類任務(wù)的專門訓(xùn)練。倘若踏青時有位資深植物學(xué)家相隨，不要說桃杏李花，就連差別甚微的青青河邊草想必都能分得清白。為了讓普通人也能輕松達到“專家水平”，人工智能的研究者們希望借助計算機視覺技術(shù)（Computer Vision，CV）來解決這一問題。如上所述的這類任務(wù)在CV研究中有個專門的研究方向，即“細(xì)粒度圖像分析”（Fine-Grained Image Analysis）。

　　細(xì)粒度圖像分析任務(wù)相對通用圖像（General/Generic Images）任務(wù)的區(qū)別和難點在于其圖像所屬類別的粒度更為精細(xì)。以圖1為例，通用圖像分類其任務(wù)訴求是將“袋鼠”和“狗”這兩個物體大類（藍色框和紅色框中物體）分開，可見無論從樣貌、形態(tài)等方面，二者還是很容易被區(qū)分的；而細(xì)粒度圖像的分類任務(wù)則要求對“狗”該類類別下細(xì)粒度的子類，即分別為“哈士奇”和“愛斯基摩犬”的圖像分辨開來。正因同類別物種的不同子類往往僅在耳朵形狀、毛色等細(xì)微處存在差異，可謂“差之毫厘，謬以千里”。不止對計算機，對普通人來說，細(xì)粒度圖像任務(wù)的難度和挑戰(zhàn)無疑也更為巨大。

　　圖1 通用圖像分析

　　在此，本文針對近年來深度學(xué)習(xí)方面的細(xì)粒度圖像分析任務(wù)，分別從“細(xì)粒度圖像分類”（Fine-Grained Image Classification）和“細(xì)粒度圖像檢索”（Fine-Grained Image Retrieval）兩大經(jīng)典圖像問題進行進展綜述，以期讀者可以對細(xì)粒度圖像分析領(lǐng)域提綱挈領(lǐng)地窺得全貌。

　　細(xì)粒度圖像分類

　　誠如剛才提到，細(xì)粒度物體的差異僅體現(xiàn)在細(xì)微之處。如何有效地對前景對象進行檢測，并從中發(fā)現(xiàn)重要的局部區(qū)域信息，成為了細(xì)粒度圖像分類算法要解決的關(guān)鍵問題。對細(xì)粒度分類模型，可以按照其使用的監(jiān)督信息的強弱，分為“基于強監(jiān)督信息的分類模型”和“基于弱監(jiān)督信息的分類模型”兩大類。

　　基于強監(jiān)督信息的細(xì)粒度圖像分類模型

　　所謂“強監(jiān)督細(xì)粒度圖像分類模型”是指：在模型訓(xùn)練時，為了獲得更好的分類精度，除了圖像的類別標(biāo)簽外，還使用了物體標(biāo)注框（Object Bounding Box）和部位標(biāo)注點（Part Annotation）等額外的人工標(biāo)注信息，如圖2所示。

　　圖2 物體標(biāo)注框和部位標(biāo)注點

相關(guān)電子資料下載

• OpenCV二值圖像分析 120
• 基于圖像分析提供顏色方案等AI技術(shù)已經(jīng)改革美容行業(yè) 28
• 智能視覺技術(shù)包括哪些 智能視覺中的圖像分析過程 463
• 多光譜皮膚圖像分析系統(tǒng)-萊森光學(xué) 157
• 在一個簡單的Mean Teacher架構(gòu)中雙向復(fù)制粘貼標(biāo)記和未標(biāo)記的數(shù)據(jù) 539
• PyQT5+OpenCV多線程協(xié)作演示 540
• 新一代希捷酷鷹（SkyHawk）CMR視頻圖像分析硬盤 881
• 使用多維圖像處理增強圖像分析 883
• 分享兩個OpenCV圖像處理與分析的問題 519
• 新型transformer模型實現(xiàn)3D醫(yī)學(xué)圖像分析最新基準(zhǔn) 4166