细粒度图像分类相关论文
民国纸币种类数量众多，不同纸币类别间的视觉差异小，部分纸币经过流通后发霉、毛边以及破损。针对传统的细粒度图像检索方法对民国纸......
针对小样本细粒度图像分类任务中存在的相似性度量单一以及细粒度特征提取效果不佳的问题，文中提出了一种基于Transformer的小样本......
细粒度图像分类任务由于自身存在的细微的类间差别和巨大的类内差别使其极具挑战性，为了更好地学习细粒度图像的潜在特征，该算法将知......
地球生态环境被破坏导致鸟类生态环境日益恶化,大量鸟类正在以惊人的速度减少,保护鸟类刻不容缓;现在城市生活环境中人们很少看到......
针对现阶段酿酒企业检测高粱不完善粒效率较低和识别率不高等问题，结合市场上现有的粮食不完善粒检测仪器，开发了一套基于图像识别的......
近年来随着神经网络等人工智能技术的迅速发展,图像分类在学术界和工业界都取得了突破性的研究成果。细粒度图像分类任务是图像分......
针对细粒度图像识别任务中常见的判别性区域难以定位的问题，提出了一种弱监督多注意融合网络，该网络通过两种注意力模块的组合实现判......
随着互联网的蓬勃发展,图像逐渐成为了信息传播的主流媒介,如何高效稳定地从图像中抽取并融合对应的特征表示与隐藏信息来辅助人工......
针对人工进行轮毂分拣存在的误识别问题，采用一种基于ResNet50与迁移学习的神经网络模型来识别汽车轮毂。把预训练模型参数迁移到Re......
计算机视觉是使用机器来理解和分析图像的过程,它不仅是人工智能的一个组成部分,而且是人工智能的一个重要分支。在计算机视觉的各......
细粒度图像分类是计算机视觉中一个长期存在的基本问题,并支撑着现实世界的各种应用。细粒度图像分类的任务是识别子类别的视觉对......
由于细粒度图像其不同类别之间的差异较小,需要大量精细的人工标注数据用于训练,但是这类数据的标注任务耗时且需要相关专业人员进......
随着智能手机的不断发展,智能手机的普及率越来越高,同时还搭载了高分辨率相机,在高分辨率手机相机下可以清楚地看见人眼难以看清......
基于K线图的技术分析主要通过历史的价格信息形成图表,释放买卖信号,从而帮助投资者进行投资决策。它作为国内外很多投资者的分析......
自人类开展农业活动以后,人们一直在追寻最有效的害虫治理方法,在早期准确识别出害虫幼虫种类有利于提前部署针对性的治理方案。近......
细粒度图像分类属于计算机视觉中一个重要研究领域。与粗粒度分类任务不同,细粒度图像分类需要进一步对给定对象类别的各个子类之......
随着汽车保有量和交通流量的快速增长,世界各国每年发生的道路交通事故总量居高不下。大量交通事故造成了成千上万的人员伤亡,给相......
基于手机图像的人民币鉴伪方法的研究有助于维护人民币在国际上的声誉,保障我国金融安全,维护社会正常的经济秩序以及维护社会的稳......
细粒度图像分类是指对大类下的子类进行更加精细的划分,比如区分一只鸟是海鸥还是大雁。随着人工智能的发展,同一基本类别下的物体......
图像分类在当今计算机视觉领域占据着重要的地位,通用目标分类在目前深度学习飞速发展的时代几乎已经不存在问题,而细粒度图像分类......
随着深度神经网络发展以及大规模数据集的出现,普通图像识别已取得很大成功;然而细粒度图像由于类内差异大、类间相似度高,易受恶......
近年来,随着图形处理器的发展,机器并行运算能力得到提升,促进了深度学习技术迅猛发展。在计算机视觉处理领域,得益于上述进展,研......
近年来,受益于深度学习技术的快速发展,监督分类方法取得了长足的进步。然而,监督分类方法有非常大的弊端,就是需要大量人工标注的......
随着深度卷积神经网络（VGGNet、Res Net、Densenet等等）的不断发展,计算机在处理常见的粗粒度图像分类的效果已经越来越准确了,在大......
近年来,随着深度学习和计算机技术的快速发展,图像分类技术已逐渐趋于成熟,其应用在日常生活中的各个领域也十分常见。然而,细粒度......
细粒度图像分类是计算机视觉领域中的一个重点研究方向,由于细粒度图像数据存在难以收集与标注昂贵的特性以及细粒度类别间相似度......
计算机视觉技术已经广泛应用于医疗行业的各个方面,如疾病诊断、疾病预测以及智能机器人辅助手术等。然而,作为外科手术前后的关键......
我国疆土广阔,动物资源丰富。鸟类资源的比例在动物资源中占据了较大比例,对于鸟类的保护工作是促进可持续发展的关键之一。鸟类识......
细粒度图像识别主要是区分同一个大类下不同的子类,如区分不同类型的车辆、不同种类的害虫以及不同类别的鸟等,该任务难点在于细粒......
图像分类技术在生产生活中有着广泛的应用。然而,在许多应用场景中,需要对外观十分相似的类别进行分类,传统的图像分类技术难以满......
深度学习方法逐渐兴起并得到了大规模的发展,机器能够做到很好的理解和运用所提供给它的数据。其中有些现实生活中的难以很好得到......
近年来,随着人工智能技术的快速发展,使得图像识别领域也有了突破性进展。细粒度图像分类任务是图像识别领域中的热点研究方向之一......
针对轨枕挡肩裂纹图像精细化分类问题,提出了改进双线性卷积神经网络(B-CNN)模型。该模型先通过全局平均池化链接图像特征中的全局......
细粒度图像之间具有高度相似的外观,其差异往往体现在局部区域,提取具有判别性的局部特征成为影响细粒度分类性能的关键。引入注意......
为了进一步提高生产效率,降低人力成本,大量企业逐渐重视对于人工智能领域相关产品的研发。而计算机视觉作为人工智能领域的重要组......
近年来随着大规模图像数据的涌现以及对图像分类任务的细化,为满足越来越复杂的视觉分类任务,卷积神经网络模型得到了快速的发展。......
随着互联网技术和通信技术的高速发展,互联网中每天产生的图像、视频数据呈指数级增长。然而,在海量的图像、视频数据中,内容质量......
细粒度图像分类是指从一个大类中区分出不同的子类,在商品检索、车辆识别、花卉识别和医疗图像识别等方面具有广泛的应用前景。细......
图像识别作为计算机视觉发展史上最基本的问题之一,已经得到了广泛的研究。近几年,由于数据规模的不断增长,研究目标也发生了巨大......
细粒度图像分类又被称作子类别图像分类,是近年来计算机视觉领域一个研究热点,其目的是对粗粒度的大类别进行更加细致的子类划分。......
细粒度图像分类是对隶属于同一种大类、但子类别有细微差异的图像进行分类。例如,鸟类数据集里的图像均属于鸟类,但是子类别不同,......
图像分类是计算机视觉领域最基础的研究任务之一。近年来,随着人们日常生活场景需求的变更以及市场化因素,研究者们从对猫、狗、花......
图像分类因其具有广泛的实际应用价值,长期以来都是计算机视觉领域的研究热点。基于协同表示的图像分类算法能够很好的解决一般的......
随着大数据时代的到来及计算机硬件的发展,尤其是近年来深度学习的兴起,语义级图像分类和实例级图像分类取得了长足的进展,而更具......
在计算机视觉领域,通用图像分类已经发展成为了非常成熟的研究方向,各种通用图像分类算法在Image Net等数据集上已经达到了很高的......
现如今,图像处理中目标分类与检测越来越多的得到了人们的关注与研究。目标分类一般分为两种,一种是基础图像分类,另一种是越来越......
