原文:Mask-CNN: Localizing Parts and Selecting Descriptors for Fine-Grained Image Recognition 下载地址:https://arxiv.org/abs/1605.06878
文章做出了三大贡献:
为了验证M-CNN的优越性,作者额外设计了两个Baseline方法:
三种方法的结果:
为了评价定位效果,作者采用常用的PCP准则(Percentage of Correctly Localized Parts),该准则指的是与ground-truth相比,IOU大于50%的bounding box的比例;
下表是和其他方法相比的分割结果。作者的方法和Deep LAC相比躯干的准确率更低,主要是因为Deep LAC在测试时有用到Bounding box,而M-CNN没有。