详细内容或原文请订阅后点击阅览
细粒度视觉分类的精致培训配方
FGVC的目标是如何识别超级类别的多个下属类别的图像，帖子首先出现在数据科学方面。
来源:走向数据科学，我在Multitel的研究专注于细粒的视觉分类（FGVC）。具体来说，我致力于构建一个可在边缘设备上实时工作的强大汽车分类器。这篇文章是可能会成为这种经历的一小部分思考的一部分。我正在写信分享一些我学到的课程，但也要组织和整理我学到的东西。同时，我希望这给我们一种在Multitel中进行的高级工程和应用研究的感觉，将学术在现实世界中的约束结合在一起。无论您是研究人员，好奇的工程师还是考虑加入我们的团队的人，我希望这篇文章都提供洞察力和灵感。
Multitel 细粒度的视觉分类（FGVC） 可以在边缘设备上实时工作的强大汽车分类器。1。问题：
我们需要一个可以识别特定汽车模型的系统，而不仅仅是“这是宝马”，而是哪个宝马模型和年份。它需要与其他模型一起在资源受限的边缘设备上实时运行。这种任务属于所谓的细粒视觉分类（FGVC）。
确定特定的汽车模型 哪个FGVC的目的是识别属于超级类别的多个下属类别的图像（例如动物 /植物的物种，汽车模型等）。困难在于了解细粒度的视觉差异，这些视觉差异足够充分区分，这些物体在整体外观上高度相似，但在细粒度中具有差异，但在细粒度中有所不同[2]。
[2]是什么使FGVC特别棘手？
我们使用：