[实战实战]200类鸟类细粒度图像分类类鸟类细粒度图像分类
[实战实战]200类鸟类细粒度分类识别类鸟类细粒度分类识别
我又来了！！！！
一、图像分类一、图像分类
这次进行实战项目，鸟类细粒度分类识别实战。再讲细粒度分类之前，让我们先回顾一下图像分类吧。
图像分类是计算机视觉的最基础的一个任务，从最开始的入门级的mnist手写数字识别、猫狗图像二分类到后来的imagenet任务。图像分类模型随着数据集的增长，
一步步提升到了今天的水平。计算机的图像分类水准已经超过了人类。
在这里我把图像分类任务分为了两种，一种是单标签的图像分类任务，一种是多标签的图像分类任务。
多标签的图像分类任务，更加符合人们的认知习惯。因为现实生活中的图片往往会包含多个类别物体。
而在单标签的图像分类任务中又可以分为三类：一种是跨物种语义级别的图像分类，即在不同物种的层次上识别不同类别对象，比如我们常见的猫狗分类。
一种是实例级图像分类即区分不同的个体，最典型的任务那就是人脸识别。 而还剩下最后一种就是细粒度分类，那么什么是细粒度分类呢？
二、图像细粒度分类二、图像细粒度分类
而细粒度图像分类，相比较我们前面所说 的跨物种的图像分类，级别更低一些。但相比较实例级的图像分类，级别稍高一些。
概念上的说法 是对同一大类中的子类的分类，
通俗来讲，其主要是解决 我们在日常生活中 可能看到一只狗，确分不清是哪种狗。
如下图所示，我们知道下图中哪一只是阿拉斯加 哪一只是哈士奇，左边是哈士奇 右边是阿拉斯加
这里可以当做可判别性部分是 阿拉斯加犬的鼻梁是与黑色毛色是相连的，这就是discriminative part 即可判别性模块。
剩余16页未读，继续阅读
评论12
最新资源