细粒度图像分类

部分内容转载自如下博文，仅供学习交流

https://www.cnblogs.com/YourZhou/p/12219896.html

细粒度图像分类问题是对大类下的子类进行识别。细粒度图像分析任务相对通用图像任务的区别和难点在于其图像所属类别的粒度更为精细。
细粒度图像分类与传统图像分类而言，细粒度图像分类中所需要进行分类的图像中的可判别区域往往只是在图像中很小的一块区域内。
在传统的图像分类网络中，无论图像中的重要判别区域占整个图像的比重有多大，都只会对整张图片一视同仁的提取特征。
因此，在一些判别区域占图像比重较小的一些图片，进行同样的特征提取及处理，大量不关注的background信息会被训练进去，增加了图像分类的难度，降低分类的准确度。
引入细粒度图像分类这一概念，就是为了解决这样的问题，关注图像中细小的差别，实现更精确的图像分类。
目前常规的细粒度图像分类的方法为，先得到关注目标的区域，再对该目标进行细分类，从而使网络更了解分类物体。