摘要
收集细粒度标签通常需要专家级别的领域知识，并且难以大规模扩展。在本文中，我们提出了一种属性级的数据增强策略——Attribute Mix，以扩展细粒度样本。该方法的核心在于细粒度子类别之间共享属性特征，这些特征可以在图像之间无缝转移。为此，我们提出了一种自动属性挖掘方法，用于发现属于同一超类别的属性，并通过混合两张图像中的语义上有意义的属性特征来实现Attribute Mix。Attribute Mix是一种简单但有效的数据增强策略，能够在不增加推理预算的情况下显著提高识别性能。此外，由于同一超类别下的图像可以共享属性，我们进一步利用来自通用领域的图像丰富了训练样本的属性级标签。在广泛使用的细粒度基准数据集上的实验验证了我们所提出方法的有效性。