RACNN笔记

Recurrent attention convolutional neural network for fine-grained image recognition 中的RA-CNN算法不需要对数据做类似bounding box的标注就能取得和采用类似bounding box标注的算法效果。有多个结构相同参数不共享的子网络对应每个scale。每个子网络包含分类网络和APN网络。对两个网络进行教程训练。 用APN网络取代了之前的bbox。通过rank 损失函数使得每一层的准确率逐步提升。

每一层将上一层的图像放大到裁剪前的大小。

训练过程

先将图像送入VGG网络提取特征，得到的feature map，比如说1414256，然后接一个全连接层，变成111024，然后再接一个全连接层，变成113。3是正方形的坐标包括，左上角 的xy,以及框长l。然后把这个框再放大为224*224后，送入级联网络的下一层。放大的时候是用多线性插值的，这样得到的图更细致。