细粒度分类

细粒度分类方法主要分为四类:
1）基于常规图像分类的网络的微调方法
2）基于细粒度特征学习的方法
3）基于目标块的检测和对齐的方法
4）基于视觉注意机制的方法

1）常规分类模型并不能很好的区分细粒度图像，常用的方法是采用迁移学习，将ImageNet的预训练过的网络权重进行微调，另外还有对loss进行改进，例如使用triplet loss


2）基于细粒度特征学习的方法
Bilinear CNN ，采用VGG-D和VGG-M作为基准网络，不使用bounding Box的情况下，CUB200-2011精度84.1%
<