图像识别的不同粒度

图像识别的不同粒度

在研究图像识别时，发现了细粒度图像识别领域，就整体了解了下。

根据粒度的由粗到细可大致分为三层：

• 通用图像识别（图像分类，目标检测，分割等）
• 细粒度图像识别（车型识别等）
• 更精细粒度图像识别（人脸识别等）

举个例子，图像分类就是要识别出是否是人类，细粒度图像分类是要识别出是人类中的哪个人种，更细粒度的图像识别比如人脸识别则是要识别出具体是哪个人。

通用图像识别

图像分类应该算是最早引入深度学习的，经典的模型有AlexNet、VGG、ResNet等。目前基本上算是其他图像识别的基础，其卷积层部分通常被用作特征提取。

经典的数据集有ImageNet。

在图像分类的基础上，有衍生出了目标识别，语义分割、实例分割等。

网上这方面的介绍挺多的，可自行查阅。

细粒度图像识别

细粒度(fine grained)

基于深度学习的物体分类可以大致分为4类：

• 使用通用DCNN（Deep Convolutional Neural >Network，深度卷积神经网络）进行细粒度分类；
• 先使用DCNN进行部件定位，之后进行部位对齐；
• 使用多个DCNN对细粒度识别中的相似特征进行判别；
• 使用注意力模型定位区分性强的区域。

可以按照其使用的监督信息的多少，分为“基于强监督信息的分类模型”和“基于弱监督信息的分类模型”两大类。

所谓强监督的细粒度图像分类算法，是指在模型训练的时候，除了图像的类别标签外，还使用了标注框、局部区域位置等额外的人工标注信息。也有些算法考虑仅在模型训练的时候使用标注信息, 而在进行图像分类时不使用这些信息. 这在一定程度上提高了算法的实用性, 但与只依赖类别标签的弱监督分类算法相比仍有一定的差距。

强监督经典的模型有Part R-CNN, Pose Normalized CNN等

弱监督经典模型有两级注意力(Two Level Attention), 星座(Constellations), 双线性CNN(Bilinear CNN)

论文笔记 | 基于深度学习的细粒度物体分类综述

「见微知著」——细粒度图像分析进展综述

弱监督学习下的商品识别：CVPR 2018细粒度识别挑战赛获胜方案简介

细粒度识别 | 百度细粒度识别方案

双线性汇合（bilinear pooling）在细粒度图像分析及其他领域的进展综述

细粒度分类 | Bilinear model 以及相关的变形

更精细粒度图像识别

其实这个领域我也了解的不太多。

在此以人脸识别为例，虽然也可以按照分类问题来解决，但因为个体很多，以至于基本很难实现，所以通常当做度量学习问题。将人脸通过特征提取方法映射到深度特征空间再做处理。

损失函数比较有趣，通常用对比损失(contrastive loss)和三元损失(triplet loss)。
三元损失函数同时接受三张图像输入 $\boldsymbol X$， $\boldsymbol X_+$ 和 $\boldsymbol X_-$，其中 $\boldsymbol X$和 $\boldsymbol X_+$匹配，而 $\boldsymbol X$和 $\boldsymbol X_-$不匹配

人脸识别的经典模型有DeepFace、FaceNet等