文献类型：会议论文

中文题名：面向复杂场景的细粒度图像分类研究进展综述

作者：汪金宇;曾凤彩;代松银;徐冰心

第一作者：汪金宇

机构：[1]北京联合大学北京市信息服务工程重点实验室;[2]北京联合大学机器人学院脑与认知智能北京实验室

第一机构：北京联合大学北京市信息服务工程重点实验室

会议论文集：中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会论文集

会议日期：20241121

会议地点：中国山东威海

语种：中文

中文关键词：细粒度图像分类;深度学习;复杂场景;特征提取;多尺度特征学习

摘要：细粒度图像分类旨在区分同一大类中具有微小差异的子类对象,被广泛应用于车辆、植物、鸟类等领域。然而,复杂场景下的细粒度图像分类面临诸多挑战,如背景干扰、光照变化、遮挡、视角变化以及相似类别间的微小差异。近年来,随着深度学习和计算机视觉技术的快速发展,研究者相继提出了多种针对复杂场景的细粒度分类方法。文中系统回顾了近年来面向复杂场景的细粒度图像分类研究进展,重点讨论了以下几个方向:1)基于局部区域检测与特征提取的分类方法,通过自适应地选择重要区域来提升分类精度;2)利用跨层次和跨样本特征优化的模型,提高在少样本条件下的鲁棒性;3)针对光照、尺度、视角变化的多尺度特征学习与融合方法。最后总结了当前研究存在的主要问题,并提出了未来可能的研究方向,如多模态信息融合、模型轻量化与实时性改进等,以期为复杂场景下的细粒度图像分类提供新的思路和启示。