科研之友
微信
新浪微博
Facebook
分享链接
摘要
在互联网音视频内容分析的应用中，快速建立低标注代价的图像细粒度分类方法具有重要意义。由于类别间具有相似的外观特征，并且存在光照、视角、背景遮挡等干扰因素，细粒度图像分类面临类别数量多、类间差异性小，以及标注代价高、标签信噪比低等挑战。为改善在带有噪声标签的数据环境下海量图像细粒度分类的效果，提出一种基于检索增强的图像细粒度分类方法，在迭代清洗噪声标签的基础上，利用检索范式通过简单类别标注获取更具表达性的特征，提升分类器的识别能力，并在包含1 500个细粒度的食物类别和超过50万张图像的数据集上取得良好的效果。
- 单位
