Efficient object detection and segmentation for fine-grained recognition细粒度识别的有效目标检测与分割李其信 201120952 信号与信息处理1摘要本文提出了一种针对细粒度的识别的目的检测和分割算法。该算法首先检测可能属于对象的低级别的区域，然后通过传播进行完整的对象分割。除了分割对象，我们也可以以中心“放大”对象，依据尺度比例规范对象，因此折扣背景的影响。这种算法与一个国家的最先进分类算法的结合能明显提高性能，特别是对于认为很难识别数据集，如鸟类物种，性能提高更加明显。该算法的效率远远超过同样方案下的其它已知算法4,21。我们的方法也比较简单，我们将其应用到不同的对象的类，如鸟类，花卉，猫和狗。我们在一些基准细粒度的分类数据集上测试了该算法的性能。它优于所有已知的最先进的方法对这些数据集的性能，有时高达11%。在所有的数据集上应用此算法，基线算法的性能提高了3-4%。我们在识别性能上具有挑战性的大规模花的数据集（包含578个品种的花250000图像）上进行试验，观察到还
