細粒度圖像分類上Vision Transformer的發展綜述

摘要： 細粒度圖像分類（fine-grained image classification,FGIC）一直是計算機視覺領域中的重要問題。與傳統圖像分類任務相比，FGIC的挑戰在于類間對象極其相似，使任務難度進一步增加。隨著深度學習的發展，Vision Transformer(ViT)模型在視覺領域掀起熱潮，并被引入到FGIC任務中。介紹了FGIC任務所面臨的挑戰，分析了ViT模型及其特...