【荐读IEEE TPAMI】半监督学习在带有非类别数据的细粒度视觉分类中的应用

文章预览

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 题目： Semi-Supervised Learning for FGVC With Out-of-Category Data 半监督学习在带有非类别数据的细粒度视觉分类中的应用 作者：Ruoyi Du, Dongliang Chang, Zhanyu Ma, Kongming Liang, Yi-Zhe Song, Jun Guo 摘要 尽管在细粒度视觉分类（FGVC）上取得了巨大进展，但当前方法仍然严重依赖于需要大量专家标签的全监督范式。半监督学习（SSL）技术通过获取未标记数据的知识，提供了向前发展的可观手段，并对粗粒度问题显示出巨大潜力。然而，现有的SSL范式大多假设类别内（即与类别对齐的）未标记数据，这限制了它们在FGVC上的重新提出时的有效性。在本文中，我们提出了一种新的设计，专门针对使类别外数据适用于半监督FGVC。我们基于一个重要的假设，即所有细粒度类别自然遵循层次结构（例 ………………………………