Bsnet:Bi-Similarity Network for Few-shot Fine-grained Image Classification论文复现

这是20年发表在IEEE上关于双相似网络用于细粒度识别的一篇论文的代码
论文地址：https://ieeexplore.ieee.org/document/9293172
代码地址：https://github.com/PRIS-CV/BSNet
先总体上说一下，代码的作者还是挺用心的，唯一的缺点就是最优的模型没有给出具体的代码，仅仅给出了top2 模型的代码！
1、先说数据集吧，还是以CUB200为例，先把CUB200数据集送到相应的位置：

然后运行write_CUB_filelist.py文件，把数据集加载到base.json、val.json、novel.json、文件里，注意这几个文件构成了所有的图片、分别用于训练、验证、测试。
2、看看github上作者给出的正确步骤（作者给的很清晰）：

为了进行比较、分为三组、三别为R、C、R&C这三组模型，以5way-5shot为例、分别运行train.py文件
下面给出第三组5way-5shot 的结果（最优组的结果）：

3、运行save_features.py

4、运行test.py

5、最后总结一下，在R&C模型中，测试集上的最终精度：

基本与作者给的吻合！代码不错，没啥坏心思。但是没有开源最优的模型…