Attention Convolutional Binary Neural Tree for Fine-Grained Visual Categorization

code: https://isrc.iscas.ac.cn/gitlab/research/acnet

paper:  https://arxiv.org/pdf/1909.11378.pdf

---

引言

细粒度视觉分类（FGVC）旨在区分从属对象类别，例如不同种类的鸟类[42,52]和花卉[1]。由于变形、遮挡和光照引起的高组内和低组间视觉差异，使得FGVC成为一项极具挑战性的任务。

CNN在图像分类取得了好的效果，但很难描述子类之间的区别。
本文设计了一种树结构的注意力神经网络，能够由粗到细层次特征学习，不同的分支注意不同的局部位置，实验表明这种树结构神经网络的良好性能。
 

定义： 输入图片X;   输出标签Y
定义网络：(T，O)，T表示树的拓扑结构，O表示T边上的操作集。
完全二叉树：T={V，𝜀}，V={𝑣_1,𝑣_2,⋯, 𝑣_𝑛}表示树种节点的集合，n表示节点的数量。𝜀={𝑒_1, 𝑒_2,⋯, 𝑒_𝑘}表示节点之间边的集合。
𝑘=2^ℎ−2，k表示边的数量；   𝑛=2^ℎ−1，h表示树T的高度

体系结构：<