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…