猫和狗

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。