细粒度视觉识别

概述

细粒度视觉识别（Fine-grained Visual Recognition）是计算机视觉的子领域，专注于区分同一超类下的相似子类别（如不同品种的鸟、不同品牌的鞋）。核心难点在于类间差异极小（像素级偏差）而类内差异极大（不同批次、产地、拍摄条件）。

关键内容

1. 四大核心难点：
2. 类间差异极小、类内差异极大：正品与高仿差异可能仅几像素，而同一商品不同批次工艺差异显著
3. 数据分布极不均衡：热门品类数十万样本，小众品牌仅几百样本，冷启动困难
4. 场景鲁棒性要求高：生产环境拍摄角度、光照、设备差异大，不能仅依赖实验室完美数据
5. 正负样本风险不对等：漏检（假货判正品）后果远严重于误检
6. 优化方案：
7. 分层注意力机制：聚焦核心鉴别区域（鞋标、五金、印刷位）
8. 对比学习：拉大正品与高仿特征距离，缩小正品类内差异
9. 小样本学习 + Few-shot 微调：预训练通用特征提取器，新类目快速适配
10. 域自适应训练 + 异常检测：适应不同拍摄场景，质量不达标图像提示重拍
11. 损失函数加权：给漏检样本更高惩罚权重，分级判定阈值

来源

• raw/articles/essays/thinking-series/013-得物面试 — 全文

相关

• 得物 — uses
• 得物面试洞察 — relates_to
• 对比学习 — implements
• 冷启动问题 — relates_to
• 数据增强 — uses