초록
미세한 시각 분류(Fine-grained visual categorization)는 내부 클래스(variance)가 높고, 클래스 간 차이가 미미한 카테고리를 구분하는 분류 과제이다. 전반적인(global) 접근법은 전체 이미지를 활용하여 분류를 수행하는 반면, 부분 기반(part-based) 접근법은 주의(attention) 또는 부분 정보를 추가로 수집한다. 본 연구에서는 초기 예측값과 기울기 계산을 통한 특징 중요도의 역전파(back-propagation)를 이용하여 관련 이미지 영역을 추정하는 새로운 분류 특화 부분 추정 기법을 제안한다. 이후 탐지된 부분들은 후행적(classification) 지식에 의해 선택되는 것뿐만 아니라, 자동으로 결정되는 내재적인 공간적 크기를 갖는다. 이는 대부분의 부분 기반 접근법과 조차도 달라서, 현재 존재하는 지표(ground-truth) 부분 주석은 점 좌표(point coordinates)만 제공하고 추가적인 스케일 정보를 제공하지 않기 때문이다. 다양한 널리 사용되는 미세한 시각 분류 데이터셋에서 수행한 실험을 통해, 추출된 부분 특징과 함께 제안된 부분 선택 방법의 효과성을 입증하였다.