Learning Semantically Enhanced Feature for Fine-Grained Image Classification论文复现

Title：Learning Semantically Enhanced Feature for Fine-Grained Image Classification
Writers：Wei Luo , Member, IEEE, Hengmin Zhang , Jun Li, and Xiu-Shen Wei
Conference：IEEE 2020
作者单位：South China Agricultural University, Guangzhou, China
East China University of Science and Technology, Shanghai, China
Nanjing University of Science and Technology, Nanjing, China
Nanjing University of Science and Technology, Nanjing, China
论文链接：
https://ieeexplore.ieee.org/document/9180030
代码链接:
https://github.com/cswluo/SEF

1. 加载数据集
   进入此目录：

然后把CUB200官方给的四个txt文件放到此目录下，直接加载：

运行python文件：
这里以鸟类数据集为例：

python cubbirds-imdb.py

然后在当前目录下就会出现imdb.pkl文件，后期在主函数中会打开此文件，进行数据集的读取。
结果如下：

2. 运行之前，先在main.py文件目录下创建results、models、ckpt三个文件夹，不然跑着跑着会出现找不到文件的错误，这应该是最简单的方法。

运行main.py
先在resnet50 backbone上进行训练

python main.py

结果:

最高为86.8%，作者在论文中给的是87.3%。差了0.5%！应该是做了一些trick。
换一个主干网络试试：Resnext50(batch_size=16)
也是很无奈，我用batch_size=32,跑不起来，cuda显存不足！！！只好用16.

最后的结果竟然降低了！85.59%，与论文中给的87.8%相比，差远了。

论文中的结果:

3.直接用作者给的模型测试、评估

Github上分享了百度资源:i5wk

还是以CUB200为例、共有三个model：
1、cubbirds-resnext50-att4-lmgm1-entropy1-soft0.05-lr0.01-imgsz448-bsz32.model
说下：

经测试，在resnext50、等参数条件下确实达到了论文中的87.8%精度！

2、cubbirds-resnext50-att1-lmgm0-entropy0-soft0-lr0.01-imgsz448-bsz32.model
注意:

python eval.py

报错，应该是加载模型参数时过于严格

我是把参数strict改为False后发现正常运行了！

精度吻合！

3、cubbirds-resnet50-att4-lmgm1-entropy1-soft0.05-lr0.01-imgsz448-bsz32.model

哈哈，第一次运行的时候精度没达到正常的水平：

当我把npart参数强制改为1后，发现达到了论文中的精度！！！如上图所示，我也不知道为什么，哈哈！明明训练的时候nparts都为4，测试的时候莫名其妙的竟然都变为了1。