17-CVPR-Look closer to see better Recurrent attention convolutional neural network for fine-grained

RA-CNN循环注意力

1预训练的VGG初始化b1-b3,c1-c3【每个分支参数不同】

2最后一个卷积层（VGG-19的conv5_4）里选取最大响应区域作为APN的输出区域[tx​,ty​,tl​]，边长初始化为原始图像的一半。用来预训练d1-d2。

3交替训练。固定APN参数学习Lcls，固定CNN参数学习Lrank。

【定位一开始还是使用了卷积层输出的最大响应区域，后来Lrank对APN优化是弱监督】

4多尺度联合表示分类结果

{F1,F2…FN}独立归一化+拼接->全连接层进行类别判断（为了端到端不使用SVM）

定位：

attention mask根据（tx,ty,tl）裁剪原图像

矩形窗函数

用mask函数来做crop，不是直接根据坐标和边长信息生成一个0-1的mask。

大费周章的关键：保证APN可以在训练中被优化【反向传播优化（tx,ty,tl），mask连续函数一定可导，但是看别的论文并没有额外考虑是否能反向传播？】

The mask can select the most significant regions in forward-propagation, and is readily to be optimized in backward-propagation due to the properties of continuous functions.

Dtop denotes the derivatives backpropagated into the input layer at a specific scale, which represents the importance of each pixel with respect to the overall network activation

derivative map is almost zero on the border and negative inside？越黑代表绝对值越大

放大：双线性插值