Key points are not available for this paper at this time.
我们研究从图像中确定动物品种的细粒度物体分类问题。为此,我们引入了一个新的带注释的宠物数据集,涵盖37种不同的猫狗品种。视觉问题非常具有挑战性,因为这些动物,特别是猫,具有很强的可变形性,而且品种之间的差异可能非常细微。我们做出了多项贡献:首先,我们引入了一个模型,用于自动从图像中分类宠物品种。该模型结合了形状信息,通过检测宠物脸部的可变形部件模型捕捉,以及外观信息,通过描述宠物毛皮的词袋模型捕捉。拟合该模型涉及自动分割图像中的动物。其次,我们比较了两种分类方法:一种是分层法,首先将宠物归类为猫科或犬科,然后确定品种;另一种是平铺法,直接获得品种。我们还研究了多种以动物和图像为导向的空间布局。这些模型表现优异:在具有挑战性的ASIRRA测试(猫与狗的区分任务)中胜过所有先前发布的结果。应用于区分37种不同宠物品种的任务时,模型获得了约59%的平均准确率,考虑到问题的难度,这是一个非常鼓舞人心的结果。
Building similarity graph...
Analyzing shared references across papers
Loading...
Omkar Parkhi
Andrea Vedaldi
A. Zisserman
University of Oxford
International Institute of Information Technology, Hyderabad
Building similarity graph...
Analyzing shared references across papers
Loading...
Parkhi等人(Fri,)研究了这个问题。
www.synapsesocial.com/papers/69d7d5c111d83f35e5ae2e61 — DOI: https://doi.org/10.1109/cvpr.2012.6248092
Synapse has enriched 4 closely related papers on similar clinical questions. Consider them for comparative context: