qq_34317565的博客

《Channel Interaction Networks for Fine-Grained Image Categorization》——阅读笔记读文章前三个问题：原文链接读文章前三个问题：读文章前三个问题：Q1:本文解决什么问题?细粒度图像分类中存在类间细微差异具有一定挑战性。由于不同的通道对应不同的语义Q2：本文通过什么模型/理论/方法来解决这个问题?注意力成对交互网络（Attentive Pairwise Interaction Network,API-Net）Q3:本文的结果AP

本文是关于《Learning Attentive Pairwise Interaction for Fine-Grained Classification》的阅读笔记阅读前三个问题注意力成对交互网络（API-Net）互向量学习（Mutual Vector Learning）门向量生成（Gate Vector Generation）成对交互（Pairwise Interaction）评分排序正则化（Score Ranking Regularization）实验结果（菜鸟一枚见解不对轻喷）原文链接可惜代码

本文是关于《THREE-BRANCH AND MUTIL-SCALE LEARNING FOR FINE-GRAINED IMAGERECOGNITION 》（细粒度图像识别的三分支多尺度学习）的阅读笔记阅读前的三个问题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘

本文是《Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition》的论文阅读笔记（菜鸟一枚，见解不对希望大家轻喷）原文下载代码地址每次看文章三个问题。Q1:本文解决什么问题?数据增强（Data augmentation）的传统手段：增加训练数据，防止过拟合，提升深度模型表现随机数据增强（随机图像裁剪）：效率低，带来不可控的背景噪声