细粒度图像分类上Vision Transformer的发展综述

摘要： 细粒度图像分类（fine-grained image classification,FGIC）一直是计算机视觉领域中的重要问题。与传统图像分类任务相比，FGIC的挑战在于类间对象极其相似，使任务难度进一步增加。随着深度学习的发展，Vision Transformer(ViT)模型在视觉领域掀起热潮，并被引入到FGIC任务中。介绍了FGIC任务所面临的挑战，分析了ViT模型及其特... （共17页）