细粒度分类论文和代码汇总

ICCV2017 Dynamic Computational Time for Recurrent Attention Model (DT-RAM)

https://github.com/baidu-research/DT-RAM(Torch实现,ResNet的baseline很牛,CUB-200-2011数据集 84.5%,论文方法 86.0%)
http://openaccess.thecvf.com/content_ICCV_2017_workshops/papers/w18/Li_Dynamic_Computational_Time_ICCV_2017_paper.pdf

ECCV2018 Learning to Navigate for Fine-grained Classification

https://github.com/yangze0930/NTS-Net(Pytorch实现,CUB-200-2011数据集 87.6%)
http://openaccess.thecvf.com/content_ECCV_2018/papers/Ze_Yang_Learning_to_Navigate_ECCV_2018_paper.pdf

CVPR 2018 Learning a Discriminative Filter Bank Within a CNN for Fine-Grained Recognition

https://github.com/songdejia/DFL-CNN(Pytorch第三方实现,值得借鉴,但无法复现原文)
https://arxiv.org/abs/1611.09932(CUB-200-2011数据集 87.4%)

ECCV 2018 Pairwise Confusion for Fine-Grained Visual Classification

http://openaccess.thecvf.com/content_ECCV_2018/papers/Abhimanyu_Dubey_Improving_Fine-Grained_Visual_ECCV_2018_paper.pdf

ECCV 2018 Multi-Attention Multi-Class Constraint for Fine-grained Image Recognition

http://openaccess.thecvf.com/content_ECCV_2018/papers/Ming_Sun_Multi-Attention_Multi-Class_Constraint_ECCV_2018_paper.pdf

ECCV 2018 Hierarchical Bilinear Pooling for Fine-Grained Visual Recognition

http://openaccess.thecvf.com/content_ECCV_2018/papers/Chaojian_Yu_Hierarchical_Bilinear_Pooling_ECCV_2018_paper.pdf

ECCV 2018 Grassmann Pooling as Compact Homogeneous Bilinear Pooling for Fine-Grained Visual Classification

http://openaccess.thecvf.com/content_ECCV_2018/papers/Xing_Wei_Grassmann_Pooling_for_ECCV_2018_paper.pdf

  • 6
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
细粒度图像分类通常需要大量的数据和复杂的模型,训练代码的具体实现会随着具体的场景和需求而有所不同。这里提供一些常见的细粒度图像分类训练代码框架和工具,供参考: 1. TensorFlow:TensorFlow是一个流行的深度学习框架,提供了各种工具和API,可以方便地进行细粒度图像分类的训练。例如,可以使用Keras API搭建卷积神经网络(CNN)模型,并使用ImageDataGenerator类读取和预处理图像数据。 2. PyTorch:PyTorch是另一个流行的深度学习框架,也提供了各种工具和API,可以进行细粒度图像分类的训练。例如,可以使用torchvision包中的各种模型和数据集,以及自定义数据集和数据读取器,训练CNN模型。 3. Caffe:Caffe是一个高效的深度学习框架,也可以用于细粒度图像分类的训练。例如,可以使用CaffeNet或GoogLeNet等预训练模型,并通过微调(fine-tuning)和数据增强(data augmentation)等方法进行模型优化和训练。 4. MXNet:MXNet是一个快速、灵活、可扩展的深度学习框架,也可以用于细粒度图像分类的训练。例如,可以使用Gluon API搭建CNN模型,并使用ImageFolderDataset类读取和预处理图像数据。 以上是一些常见的细粒度图像分类训练代码框架和工具,具体实现会涉及到模型选择、数据集准备、超参数调整等方面,需要针对具体场景进行优化和调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值