细粒度分类：DCL论文笔记——Destruction and Construction Learning for Fine-grained Image Recognition

视觉萌新、

已于 2024-11-06 21:29:47 修改

阅读量280

点赞数 1

CC 4.0 BY-SA版权

分类专栏：细粒度分类经典论文及源码笔记文章标签：论文阅读人工智能细粒度分类计算机视觉

于 2023-06-23 18:57:26 首次发布

本文链接：https://blog.csdn.net/qq_50001789/article/details/131353209

细粒度分类经典论文及源码笔记专栏收录该内容

29 篇文章 ¥39.90 ¥99.90

订阅专栏

本文介绍了DCL方法，一种用于细粒度图像识别的创新框架，通过“破坏”和“构建”学习，提高网络在有辨识力区域学习的能力。破坏学习利用区域混淆机制打乱图像结构，强调局部细节，同时通过对抗学习减少噪声影响；构建学习则通过区域对齐网络恢复布局，学习区域间的语义关联。实验表明，DCL在细粒度识别中表现出色，具有良好的鲁棒性和实用性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

细粒度分类：DCL论文笔记——Destruction and Construction Learning for Fine-grained Image Recognition

综述
主要思想
网络结构
- “破坏”学习
- “构建”学习
训练与测试
实验
- 可视化分析
- 精度对比
总结

综述

论文题目：《Destruction and Construction Learning for Fine-grained Image Recognition》
会议时间：IEEE Conference on Computer Vision and Pattern Recognition 2019 (CVPR, 2019)

论文地址：https://openaccess.thecvf.com/content_CVPR_2019/papers/Chen_Destruction_and_Construction_Learning_for_Fine-Grained_Image_Recognition_CVPR_2019_paper.pdf

源码地址(PyTorch版本)：https://github.com/JDAI-CV/DCL

针对领域：细粒度图像分类(FGVC)

源码笔记：

了解本专栏