Fine-grained Recognition: Analyzing minute distinctions among comparable categories

思维导图

本文聚焦于细粒度识别任务中，相似类别之间存在的微小差异问题。从标题内容即可明确看出，该研究主要围绕以下两个核心议题展开：

1. 微小差异特征

2. 相近类别区分
   同时，文章所提出的创新性成果也主要针对上述问题进行设计，具体包括以下两个方面：

3. 多样性增强模块

4. 梯度提升损失函数

上图中第二行展示的是常规细粒度识别网络所生成的注意力图，而最后一行则为本文所提出网络的注意力图。从图中可以看出，与传统方法不同，本文方法不仅聚焦于梯度贡献最为显著的区域，还关注到了一些其他具有潜在关联性的区域。例如，在鸟类识别任务中，头部通常被视为区分各类鸟类的关键部位，但尾部和羽毛等部位同样蕴含着重要的识别信息。为此，Diversification Block模块被设计出来以应对这一问题。

符号定义：
I 表示用于训练的图像，