端到端神经网络：成对混淆解决细粒度视觉分类的类间相似性

成对混淆（Pairwise Confusion, PC）是一种新颖的端到端神经网络训练策略，专为解决细粒度视觉分类（Fine-grained Visual Classification, FGVC）中的类间相似性问题而设计。FGVC任务通常涉及识别具有高度相似外观的类别，例如特定品种的鸟类或花卉，这要求模型具备精细的区分能力。与大规模视觉分类（Large Scale Visual Classification, LSVC）相比，FGVC数据集的特点包括样本数量较少、类内变化明显（如姿势、光照和视角）、以及类间视觉差异较小，这构成了对深度学习算法的挑战。 传统的FGVC研究策略着重于解决类内变化，例如利用定位和分割技术来增强特征表示。然而，类间相似性问题并未得到有效解决，它可能会影响特征学习和分类性能。成对混淆方法的独特之处在于，它通过在训练过程中引入故意的混乱，即“成对混淆”正则化，来对抗这一问题。这种方法通过减少模型过度拟合，促使模型学习到更通用的特征，从而提高在多个广泛使用的FGVC数据集上的表现。 实施成对混淆并不复杂，无需大量超参数调整，且在测试阶段对计算资源的需求相对较低。这种方法的优势在于其易于集成到现有的神经网络架构中，能够在保持高效的同时显著提升分类精度。通过在六大数据集上的实验，PC展示了其在提升定位准确性和整体性能方面的优越性，证实了其在细粒度视觉分类任务中的有效性。 成对混淆提供了一种创新的解决方案，它针对FGVC中的核心挑战，即如何处理类间相似性，从而推动了该领域的发展，有望在未来的研究中成为细粒度视觉分类的标准实践。