论文部分内容阅读
细粒度图像中物体的分割是具有挑战性的,因为这类图像一般具有很大的表观变化和混杂的背景。大多数已有的分割方法都不能以足够的准确率将细粒度图像中物体的细小部件分割出来。然而在细粒度识别任务中,这些细小的部件通常包含了对细粒度分类极为重要的语义信息。通过观察发现,细粒度物体通常在类间共享相同的部件种类,本文由此提出一种新颖的基于部件检测的细粒度图像分割方法。该方法明确地检测部件在图像中的位置,给出部件位置假设。然后通过不断地迭代更新部件假设和分割的输出假设,以获得更优的分割效果。实验表明本文方法能够很好地