阅读小结：Fine-Grained Recognition with Automatic and Efficient Part Attention

这是一篇baidu research的paper。

主题为细力度分类。这个问题在于找到一些关键的细节。比如在鸟类数据集CUB上，专家往往也是通过鸟的尾巴，或者头部来对鸟类分类的。

What：

预测细力度分类的CNN＋MDP的网络。

1. 融合了三个元素： 特征提取，attetion 和细力度分类一起训练。（比如有些之前paper是把attetion part额外切割出来的。如鸟的头部专门train个CNN。最后多个model fusion）

2. 使用了弱监督的增强学习（reinforcelearning），不需要额外的标注信息。（比如语义分割信息）

3. 全卷积网络提升了训练和测试速度。

4.贪心的奖励策略加速了收敛。

读前疑问：

1.最后怎么结合reinforce learning的？

其实attention的选择可以看成马尔科夫决策过程中的action（我选择哪个atttention去看）

最后的reward为分类结果的好坏。

How：

模型分为3个部分

1. Feature M