传统图像分析的目标对象隶属传统意义上的类别（如,“鸟”、“车”、“飞机”和“花”等）。然而,在现实生活中目标对象常常来自某一传统类别下更细粒度级别的子类（如,“波音737-200”和“波音737-500”是“飞机”的子类）。细粒度图像分析是计算机视觉领域的热门研究课题,其目标是对图像中的细粒度对象进行识别、检测以及分割等任务的研究。然而,细粒度级别子类类别间较小的类间差异和较大的类内差异、缺乏复杂场景下的细粒度数据集、细粒度图像语义分割数据集难以获取等问题,使得细粒度图像分析比传统图像分析更具挑战。本文重点围绕细粒度图像分析中的识别和分割任务展开研究,主要工作包括:（1）基于数据特性的简单场景下细粒度图像识别:现有的大多数细粒度数据集（如Swedish、ICL、Orchid、CUB-200-2011和Stanford Cars等）中的目标往往占据图像的大部分区域且出现在相对简单的背景中,本文将这类数据集归为简单场景下的细粒度图像数据集。传统细粒度图像识别方法根据Swedish和ICL叶片数据集中的图像以纯白背景为主这一数据特性,通常采用手工设计的形状特征描述子来表征叶片。然而,这些方法往往很难同时提取叶片的局部细节和全局信息,使得它们很难区分类间差异较小的叶片种类。本文设计了全局形状特征描述子和边缘特征描述子以有效捕捉叶片的全局信息和局部细节。实验结果表明提出的方法获得了比现有传统叶片识别方法更好的分类性能。此外,类别标签具有层级结构是细粒度数据的一大特点。然而,大多数细粒度图像识别算法的研究主要集中在某一层级上,忽略了这种层级相关性信息。层级结构将丰富的上下文信息编码到网络结构中以增强特征的区分性,并且层级结构可以捕获多粒度语义信息从而增强特征的丰富性。本文提出了一种称为层级双线性卷积神经网络的多任务学习框架,该框架将深度卷积神经网络与标签的层级结构无缝整合以提高细粒度图像识别的性能。（2）基于位置指导的复杂场景下细粒度图像识别:以往的细粒度图像识别方法大多在“纯净”（即,目标占据图像的大部分区域且图像背景相对简单）的细粒度数据集上验证算法性能,且在方法设计时通常没有考虑复杂场景的情形。本文构建了具有复杂场景的细粒度车辆数据集AIBD-Cars,并提出了针对复杂场景的细粒度图像识别方法。具体地,首先使用提出的自学习目标检测网络ALM来定位目标所在区域,然后根据定位结果裁剪出目标以去除背景或噪声的干扰,之后将裁剪出的目标图像送进细粒度分类网络中以完成细粒度图像识别。实验结果表明提出的ALM比现存的弱监督目标检测方法有更优的检测精度,且在多个数据集上的检测性能可以与强监督方法相竞争。与此同时,在AIBD-Cars数据集上提出的方法获得了比现有细粒度分类方法更好的性能。（3）基于迭代学习的细粒度图像像素级标签生成:以往的图像语义分割任务主要针对通用物体,而很少考虑如何有效地分割细粒度级别的目标物体。细粒度图像语义分割任务鲜有研究的一个重要原因是缺乏细粒度图像分割数据集。据统计手动标记一张分割图像平均需要3个小时且很难提供一致的标注质量。本文提出了一种可以自动生成具有详细像素级结构/边界的目标掩码方法。具体地,首先从公开可用的图像分割数据集或谷歌图像搜索引擎中收集包含目标类别的图像,这些数据被用于预训练提出的导向滤波网络。然后,预训练的导向滤波网络进一步对未标注的目标数据进行迭代学习以优化分割网络。实验结果表明在相同的实验条件下提出的方法比现存的弱监督、半监督和域自适应方法有更优的分割性能,且生成的像素级标签可与人工标注的标签相媲美。（4）基于类别引导的细粒度图像语义分割:基于自动生成的细粒度图像像素级标签,本文设计了基于类别引导的细粒度图像语义分割网络。细粒度图像语义分割主要存在的问题是较大的类内变化和较小的类间差异。针对类内变化大的问题,提出了类引导加权模块,该模块利用二阶特征统计量学习图像级细粒度类别概率,并将其作为全局信息来指导细粒度图像语义分割。针对不同子类别之间高度相似的问题,构建了通道相关性注意力模块来增强特征之间的区别。为了细化目标掩码,提出了一种细节增强导向滤波模块,利用从增强后的图像中提取的边缘轮廓线索来细化目标掩码。在六个细粒度分割数据集上的实验结果表明,提出的方法取得了最先进的性能。