AI 算法笔记

这篇文章是来自罗格斯大学的Han Zhang等人的工作。由题目可知与上一篇文章一样，本文的作者也关注到了富有语义的局部(利用Part，Part，Part，重要事情强调三遍)，作者不满足于CUB-2011数据库提供的head和body的定位结果，提出了small semantic parts 生成的方法。论文中使用的网络分为两个子网络，一个用于检测，一个用于分类。

这是阅读《Fine-grained Image Classification by Exploring Bipartite-Graph Labels》这篇论文所做的笔记。这篇论文是来自NEC实验室，是一篇有关细粒度分类/精细分类方面的论文。

这次阅读的文章是Picking Deep Filter Responses for Fine-grained Image Recognition，这篇文章是来自上海交通大学Xiaopeng Zhang等人的工作，该文章提出了一种对深度网络中的filter进行挑选的方法，基于挑选的filter的结果构建复杂特征表达。

这篇文章是来自悉尼科技大学Shaoli Huang等人的工作，与前两篇文章的出发点类似，本篇文章也是在Parts上寻找Fine-Grained的线索，但与前两篇文章相比，在框架中人工的参与更少。

简介CVPR 是 IEEE Conference on Computer Vision and Pattern Recognition 的缩写，即 IEEE 国际计算机视觉与模式识别会议。该会议是由 IEEE 举办的计算机视觉和模式识别领域的顶级会议。它是 IEEE 一年一度的学术性会议，会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议（三大顶会之一，另外两个是 I...