一图搞懂细粒度图像中的细粒度

不懂的味道

已于 2022-04-17 22:26:29 修改

阅读量1.7w

点赞数 27

CC 4.0 BY-SA版权

文章标签：深度学习计算机视觉分类算法

于 2022-04-12 10:33:42 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_42962681/article/details/124117309

本文探讨了细粒度图像分类的概念，它如何在基础类别中进行更精细划分，以及其难点在于类间差异小、类内差异大。通过实例阐述了从粗粒度到细粒度再到实例级的分类过程。难点主要体现在对细微特征的识别和计算机处理复杂性的提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一图搞懂细粒度图像中的细粒度

前言
一、细粒度图像分类是什么？
二、细粒度图像分类难点？

前言

细粒度目的是对属于同一基础类别的图像进行更加细致的子类划分。例如区分野生鸟类、汽车等。由于类别之间具有细微的类间差异以及较大的类内差异，难以捕获特定区域的细微差异进行分类。

类间划分从粗到细为：
粗粒度——细粒度——实例级
对应的例子为
猫咪 —— 胖橘——加菲猫

一、细粒度图像分类是什么？

细粒度图像分类相对于粗粒度而言，就是对类别进行更加细致的子类划分。如图中所示，粗粒度就是单纯的区分鸟、狗、车等；细粒度则是在鸟的类别中进行更加细致的划分，如麻雀，燕子等。相对于粗粒度，细粒度往往更加困难。
在这里插入图片描述

二、细粒度图像分类难点？

下图中展示了鸟类中大类内和小类间变化的说明。每行变化较大的图像属于同一类。但是，每列中变化较小的图像属于不同的类别。由于较大的类内差异和较小的类间差异，导致细粒度图像分类是当前的难点。正因同类别物种的不同子类往往仅在耳朵形状、毛色等细微处存在差异，可谓“差之毫厘，谬以千里”。不止对计算机，对普通人来说，细粒度图像任务的难度和挑战无疑也更为巨大。
在这里插入图片描述
而对细粒度进行更细致的划分就是实例级，实例级对应于每个单独的个体，相对的任务更加困难，如我们日常经常使用的人脸识别，。

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。