ICASSP 2025 · CCF B · Core B
PEPL: Precision-Enhanced Pseudo-Labeling for Fine-Grained Image Classification
中文项目页
TL;DR
PEPL 使用类激活图生成并细化伪标签，从而提升半监督细粒度图像分类中的标签质量，尤其适合难区分的视觉类别。
作者： Bowen Tian†, Songning Lai†, Lujundong Li, Zhihao Shuai, Runwei Guan, Tian Wu, Yutao Yue
概览
细粒度图像分类需要对微妙视觉细节进行可靠监督。PEPL 利用 Class Activation Maps 生成并细化伪标签，再通过语义混合增强半监督学习。
核心思想
- 精度增强伪标签： 使用判别性 CAM 区域细化标签。
- 细粒度聚焦： 保留标准伪标签方法可能遗漏的细微类别线索。
- 半监督设置： 在仅有部分数据带标注时提升模型表现。