基本信息

---

下载

文档摘要

---

多模态协同的细粒度图像识别研究

摘要

细粒度图像识别是计算机视觉中的关键研究领域之一，旨在精确识别大类中的不同子类

别。仅依赖图像这一个模态所开展的细粒度图像识别研究，其方法在用于有复杂背景干扰和

视觉特征模糊的场景时，会出现语义理解深度不足与噪声敏感性强等问题。而多模态方法通

过融合文本描述、地理位置等辅助数据，可为细粒度图像识别提供更丰富的语义信息。但现

有技术仍面临两大问题：一是多模态数据稀缺以及模态之间具有语义鸿沟，二是多模态数据

相