WS-DAN是一种基于注意力图的数据增强方法，适用于细粒度图像分类。通过双线性注意力池化和注意力正则化，它能引导网络关注关键区域，增强特征学习和泛化能力。此外，通过注意力裁剪和下降，网络能学习更多区分度的特征，提高识别精度。
细粒度分类：WS-DAN论文笔记——See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification
综述
论文题目《See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification》
论文地址：https://arxiv.org/pdf/1901.09891v2.pdf源码地址(PyTorch版本)：https://github.com/GuYuc/WS-DAN.PyTorch
针对领域：细粒度图像分类(FGVC)
关键词：数据增广、弱监督学习、注意力机制、双线性池化
源码笔记：https://blog.csdn.net/qq_50001789/article/details/131352887?spm=1001.2014.3001.5501
主要思想
本文主要是提出了一种基于注意力图
订阅专栏 解锁全文
176
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
