细粒度目标识别面面观:从弱监督到强监督

摘要

目标识别作为计算机视觉领域的基础研究问题之一,近年来其随着海量的互联网图片和标注数据获取得到了飞速的发展.在本文中,以目标识别领域中最新同时也是最有挑战性的问题之一——细粒度目标识别问题为研究对象,详细探寻其在实际应用中需要考虑的多种问题,如识别准确率、问题普适性、实际运行速度和模型可解释性等,循序渐进地提出了多阶段的解决方案,并依此建立了统一的算法应用体系.该解决方案中覆盖了弱监督、半监督和强监督等不同问题设定形式,在领域常用测试数据集上获得了提出当时最优的识别结果.同时,其更重要的意义在于可以作为实际应用时的模型与行动方针提供指导意见.