基于联合优化多任务学习的细粒度图像识别

• 作 者: 朱阳光 刘瑞敏 王震 王枭
• 机 构: 昆明理工大学信息工程与自动化学院
• 出 处: 陕西理工大学学报(自然科学版)
• 发表日期: 2019年06期
• 关键词: 细粒度图像分类 深度神经网络 图像识别 联合优化 fine-grained image categorization deep neural network i

为了能够在细粒度图像特征表示中探索出相似层结构中的共享信息,提出了一种多任务学习框架,联合优化卷积神经网络中的Softmax Loss和Triplet Loss,基于此框架,设计广义三元组嵌入标签结构,以发现不同级别中具有相似性的相关图像。在Stanford Cars和CUB200-2011两个细粒度数据集上进行实验,结果表明这种方法不仅可以实现较好的分类性能,还能够提高在细粒度数据集上不同级别的标签结构的图像检索精度,这在电子商务中相关产品的推荐方面具有重要意义。