通过拼图块的渐进式多粒度训练实现细粒度视觉分类

细粒度视觉分类（Fine-grained Visual Classification, FGVC）由于类别内部对象之间的差异极为细微，相较于传统分类任务更具挑战性。近期研究主要聚焦于如何定位最具判别性的局部区域、更具互补性的区域，以及不同粒度级别的区域。然而，关于哪些粒度级别最具判别性，以及如何有效融合多粒度信息的问题，仍缺乏充分探索。为此，本文提出一种新颖的细粒度视觉分类框架，以应对上述挑战。具体而言，我们提出：（i）一种渐进式训练策略，能够有效融合来自不同粒度级别的特征；（ii）一种随机拼图块生成器（random jigsaw patch generator），可引导网络在特定粒度级别上学习更具判别性的特征。在多个标准FGVC基准数据集上，所提方法均取得了当前最优的性能表现，且在多数情况下显著优于现有方法，或达到具有竞争力的水平。代码将开源，地址为：https://github.com/PRIS-CV/PMG-Progressive-Multi-Granularity-Training。