引言
细粒度图像，相对通用图像（general/generic images）的区别和难点在于其图像所属类别的粒度更为精细，也是目前计算机视觉领域比较热门的一个方向，包括了分类、检索以及图片生成方向。
细粒度图像类别的数据集也是越来越多，最早的时候，2011年左右的时候，基准的数据集就是花卉、鸟类（CUB200)以及猫狗数据集，并且数据量最多的狗类数据集是 2 万张图片左右，而现在数据集更多，涉及到更多的类别，包括服饰、水果蔬菜、零售商品等等，并且随着深度学习的发展，各种分类模型的提出，对这些数据集的分类准确率也是越来越高。
今天推荐的是关于细粒度图像分析资源的网站，作者是旷视的南京研究院负责人魏秀参，网站地址如下
www.weixiushen.com/project/Awe…
这个网站主要是介绍了和细粒度图像分析相关的论文、代码和数据集，论文都是非常新的结果，基本是2017到2019年的结果。
主要介绍的内容如下所示：
分别是9个方面的介绍：
- 简介
- 教程
- 调研论文
- 基准数据集
- 细粒度图像识别
- 细粒度图像检索
- 细粒度图像生成
- 未来的发展方向
- 分类准确率排行榜
1. 简介
主要是介绍该网站的内容，也就是展示一些基于深度学习的细粒度图像方面的有代表性的论文、代码和数据集，它们的研究方向包括分类、检索、图片生成等等。
2. 教程
这里推荐了两份教程，都是作者本人做的教程，分别是 2018 版和 2019 版本
3. 调研论文
同样是两份：
- Deep Learning for Fine-Grained Image Analysis: A Survey. 2019
- A Survey on Deep Learning-based Fine-Grained Object Classification and Semantic Segmentation. 2017
论文地址：link.springer.com/article/10.…
4. 基准数据集
这里展示了 11 个数据集，如下图所示，其中 BBox 表示数据集提供物体的边界框信息，Part anno 则是数据集共了关键部位的位置信息，HRCHY 表示有分层次的标签，ATR 表示属性标签（比如翅膀颜色等），Texts 表示提供了图片的文本描述信息。
这里的 11 个数据集基本包含不同类别的物体，比如鸟类、花朵、服饰、猫狗、水果蔬菜、零售商品等等，其中常用的数据集应该就是 CUB200 这个包含 200 个类别的鸟类数据集，很多论文的实验数据集都会包含这个数据集。
5. 细粒度图像识别
这里将细粒度图像识别的方法分为以下三种：
- 基于定位-分类网络(Fine-grained recognition by localization-classification subnetworks)
- 端到端特征编码(Fine-grained recognition by end-to-end feature encoding)
- 采用额外信息（Fine-grained recognition with external information），包括网络数据、多模式数据（文本、音频等）、加入人工操作
这里介绍的前两种方法的论文会更多，给出的论文，最老的是 2014 年的，然后还有最新的 CVPR 2019 的论文，并且对于有开源代码的都提供了代码地址。因为论文太多，就不一一列举了，分别列出最新的一篇论文
基于定位-分类网络
论文：Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification From the Bottom Up. CVPR,2019
论文地址：openaccess.thecvf.com/content_CVP…
端到端特征编码
论文：Destruction and Construction Learning for Fine-grained Image Recognition，CVPR,2019
论文地址：openaccess.thecvf.com/content_CVP…
Github：github.com/JDAI-CV/DCL
采用额外信息，包括网络数据、多模式数据（文本、音频等）、加入人工操作
论文：Learning from Web Data using Adversarial Discriminative Neural Networks for Fine-Grained Classification. AAAI,2019
6. 细粒度图像检索
细粒度检索方向分为两个方向
采用预训练模型的无监督方法(Unsupervised with pre-trained models)
论文名称：Selective Convolutional Descriptor Aggregation for Fine-Grained Image Retrieval.2017
论文地址：www.weixiushen.com/project/SCD…
采用度量学习的监督方法(Supervised with metric learning)
- Centralized Ranking Loss with Weakly Supervised Localization for Fine-Grained Object Retrieval.IJCAI,2018
论文地址：www.ijcai.org/proceedings…
- Towards Optimal Fine Grained Retrieval via Decorrelated Centralized Loss with Normalize-Scale layer.AAAI,2019
论文地址：mac.xmu.edu.cn/rrji/papers…
7. 细粒度图像生成
同样分为两个方向：
根据细粒度图像分布生成图片(Generating from fine-grained image distributions)
- CVAE-GAN: Fine-Grained Image Generation through Asymmetric Training. ICCV,2017
论文地址：openaccess.thecvf.com/content_ICC…
Github：github.com/tkazusa/CVA…
- FineGAN: Unsupervised Hierarchical Disentanglement for Fine-Grained Object Generation and Discovery. CVPR,2019
论文地址：openaccess.thecvf.com/content_CVP…
Github：github.com/kkanshul/fi…
根据文本描述生成图片(Generating from text descriptions)
论文：AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks.CVPR,2018
论文地址：openaccess.thecvf.com/content_cvp…
Github：github.com/taoxugit/At…
8. 未来发展的方向
列举了两个可能的方向：
1. 细粒度少样本学习(Fine-grained few shot learning)
论文：Piecewise classifier mappings: Learning fine-grained learners for novel categories with few examples. TIP，2019
论文地址：www.weixiushen.com/publication…
2. 应用到更多真实场景(FGIA within more realistic settings)
下面是给出的三篇论文：
- Fine-grained Recognition in the Wild: A Multi-Task Domain Adaptation Approach. ICCV,2017
论文地址：ai.stanford.edu/~tgebru/pap…
- The iNaturalist Species Classification and Detection Dataset. CVPR,2018
论文地址：openaccess.thecvf.com/content_cvp…
- RPC: A Large-Scale Retail Product Checkout Dataset. 2019
9. 分类准确率排行榜排行榜
这里主要是在数据集 CUB200-2011 数据集上的测试准确率，列举出目前最好的方法和其是否采用标准信息、额外的数据、采用的网络结构、输入图片的大小设置以及分类准确率：
这个网站收集了目前细粒度图像分析方面的资料，包括论文、代码和数据集，特别是介绍的最新的一篇综述论文：Deep Learning for Fine-Grained Image Analysis: A Survey.
以及，魏秀参老师在 2017 年知乎上也发表过一篇细粒度图像分析综述，感兴趣的也可以看看：
我的滴滴云专属AI大师码：9192，购买滴滴云GPU等AI产品输入大师码享9折优惠。 点击www.didiyun.com前往滴滴云官网购买。
欢迎关注我的微信公众号--算法猿的成长，或者扫描下方的二维码，大家一起交流，学习和进步！
