그래피트: 코스 라벨을 사용한 세부 이미지 표현 학습

이 논문은 훈련 라벨보다 더 세밀한 표현을 학습하는 문제를 다룹니다. 이는 코스 라벨만으로 주석이 달린 이미지 컬렉션에서 세부 범주 검색(fine-grained category retrieval)을 가능하게 합니다.우리의 네트워크는 최근접 이웃 분류기 목적함수(nearest-neighbor classifier objective)와 자기 지도 학습(self-supervised learning)에서 영감을 받은 인스턴스 손실(instance loss)을 사용하여 학습됩니다. 코스 라벨과 잠재적으로 세밀한 공간(underlying fine-grained latent space)을 동시에 활용함으로써, 범주 수준 검색 방법(category-level retrieval methods)의 정확성을 크게 향상시킵니다.우리의 전략은 훈련 시점에서 제공되는 범주보다 더 세밀한 수준에서 이미지를 검색하거나 분류하는 모든 경쟁 방법(competing methods)을 능가합니다. 또한, 세밀한 데이터셋(fine-grained datasets)으로의 전이 학습(transfer learning tasks) 정확성도 향상시키며, iNaturalist-2018 등 다섯 개의 공개 벤치마크에서 새로운 최고 성능(state of the art)을 확립하였습니다.