基于深度卷积特征的细粒度图像分类研究综述

细粒度图像分类问题是计算机视觉领域一项极具挑战的研究课题,其目标是对子类进行识别,如区分不同种类的鸟.由于子类别间细微的类间差异和较大的类内差异,传统的分类算法不得不依赖于大量的人工标注信息.近年来,随着深度学习的发展,深度卷积神经网络为细粒度图像分类带来了新的机遇.大量基于深度卷积特征算法的提出,促进了该领域的快速发展.本文首先从该问题的定义以及研究意义出发,介绍了细粒度图像分类算法的发展现状.之后,从强监督与弱监督两个角度对比分析了不同算法之间的差异,并比较了这些算法在常用数据集上的性能表现.最后,我们对这些算法进行了总结,并讨论了该领域未来可能的研究方向及其面临的挑战.

理想从基层起飞

“基层有广阔的天空，年轻人在基层也可以大有作为。”习近平同志2010年5月在广西田阳县那满镇考察时对大学生村官说的话，深深激励着在广西农村基层从事“三支一扶”工作的高校毕业生，也吸引我从武汉回到广西，从2010年8月起，到田阳县巴别乡社会保障服务中心工作，

资源受限的深度学习:挑战与实践

深度学习近年来取得了突出进展,然而,深度学习模型需要占用大量的与计算相关的资源,同时其学习过程需要大量的数据与标记,因此目前深度学习领域的一个热点是降低其对计算和数据资源的渴求,即研究资源受限的深度学习.本文首先分析深度学习对资源的渴求及其导致的挑战,然后分别从数据、标记、计算资源受限3个方面对目前的研究进展简要描述,并以我们在计算机视觉领域的研究实践为例进行较详细的介绍.