一图搞懂细粒度图像中的细粒度

---

前言

细粒度目的是对属于同一基础类别的图像进行更加细致的子类划分。例如区分野生鸟类、汽车等。由于类别之间具有细微的类间差异以及较大的类内差异，难以捕获特定区域的细微差异进行分类。

类间划分从粗到细为：
粗粒度——细粒度——实例级
对应的例子为
猫咪 —— 胖橘——加菲猫

---

一、细粒度图像分类是什么？

细粒度图像分类相对于粗粒度而言，就是对类别进行更加细致的子类划分。如图中所示，粗粒度就是单纯的区分鸟、狗、车等；细粒度则是在鸟的类别中进行更加细致的划分，如麻雀，燕子等。相对于粗粒度，细粒度往往更加困难。

二、细粒度图像分类难点？

下图中展示了鸟类中大类内和小类间变化的说明。 每行变化较大的图像属于同一类。 但是，每列中变化较小的图像属于不同的类别。由于较大的类内差异和较小的类间差异，导致细粒度图像分类是当前的难点。正因同类别物种的不同子类往往仅在耳朵形状、毛色等细微处存在差异，可谓“差之毫厘，谬以千里”。不止对计算机，对普通人来说，细粒度图像任务的难度和挑战无疑也更为巨大。

而对细粒度进行更细致的划分就是实例级，实例级对应于每个单独的个体，相对的任务更加困难，如我们日常经常使用的人脸识别，。