典型文献
CNN和Transformer在细粒度图像识别中的应用综述
文献摘要：
细粒度图像识别旨在从类别图像中辨别子类别.由于图像间只有细微差异,这使得识别任务具有挑战性.随着深度学习技术的不断进步,基于深度学习的方法定位局部和表示特征的能力越来越强,其中以卷积神经网络(CNN)和Transformer为基础的各类算法大大提高了细粒度图像识别精度,细粒度图像领域得到了显著发展.为了整理两类方法在细粒度图像识别领域的发展历程,对该领域近年来只运用类别标签的方法进行了综述.介绍了细粒度图像识别的概念,详细阐述了主流细粒度图像数据集;介绍了基于CNN和Transformer的细粒度图像识别方法及其性能;最后,总结了细粒度图像识别未来的研究方向.
文献关键词：
细粒度图像识别;深度学习;卷积神经网络;Transformer
中图分类号：
作者姓名：
马瑶;智敏;殷雁君;萍萍
作者机构：
内蒙古师范大学 计算机科学技术学院,呼和浩特 010022
文献出处：
引用格式：
[1]马瑶;智敏;殷雁君;萍萍-.CNN和Transformer在细粒度图像识别中的应用综述)[J].计算机工程与应用,2022(19):53-63
A类：
B类：
Transformer,细粒度图像识别,应用综述,辨别,别子,子类,细微,微差,深度学习技术,识别精度,图像领域,图像数据集
AB值：
0.159734
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
