細粒度圖像分類上Vision Transformer的發(fā)展綜述

摘要： 細粒度圖像分類（fine-grained image classification,FGIC）一直是計算機視覺領(lǐng)域中的重要問題。與傳統(tǒng)圖像分類任務(wù)相比，F(xiàn)GIC的挑戰(zhàn)在于類間對象極其相似，使任務(wù)難度進一步增加。隨著深度學(xué)習(xí)的發(fā)展，Vision Transformer(ViT)模型在視覺領(lǐng)域掀起熱潮，并被引入到FGIC任務(wù)中。介紹了FGIC任務(wù)所面臨的挑戰(zhàn)，分析了ViT模型及其特... （共17頁）