qq_38284961的博客

See Better Before Looking Closer: Weakly Supervised Data Augmentation Network for Fine-Grained Visual Classification 一篇基于attention 机制的细粒度分类模型 细粒度是粗粒度的延深，类间差距小，类内差距大。 早期的研究中主要使用较多的人工标注来认为的定位attent...

Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition 文中有三个分支 最左边，是vgg16的整个网络，当中的经过1*1得到， c使用cross-channel pooling 得到一个loss函数。 中间层为 进过1*1卷积过后，大小是kM*h*w ...

Destruction and Construction Learning for Fine-grained Image Recognition 一种细粒度分类的文章，使用乱序产生attention。 网络结构 文中贡献 文中贡献主要有三个部分（1）图像处理操作中打乱顺序 （2）在neck部分加入了对抗loss，使得网络能够识别出哪个是乱序哪个是顺序。...

Pairwise Confusion for Fine-Grained Visual Classification 摘要 文中主要介绍了一种称为pairwise confusion正则化的方法。这类方法能够关注到类内的相似性。 在pairwise confusion结构中，使用了孪生网络在一个新的loss function中训练，目的是为了将类别内的概率更加接近。 网络结构 ...

Hierarchical Bilinear Pooling
for Fine-Grained Visual Recognition 文中贡献 主要贡献如下 使用简单有效的交互层双线性pooling技术，实现内部特征层的交互。 基于交互层的双线性pooling，使用一个刚性双线性pooling结构。 模型结构 传统的双线性pooling 图像I经过卷积网络CNN，提取出特征X, 其...

Multi-Attention Multi-Class Constraint for Fine-grained Image Recognition 文中贡献概览 文中首次使用了对每一张图片多attention区域特征提取。这种提取基于OSME，并且应用到度量学习中。 MAMC将相同attention 中的相同类别更加接近，不同attention 或者不同类别差别较大。 ...

Learning Deep Bilinear Transformation for Fine-grained Image Representation 摘要 DBT block 同一的将输入的channel 划分成不同的语义群，双线性transformation 可以通过群内通道的交互计算获得。这样可以减少计算消耗。每一个block的输出结合输入的残差能够被回归bilinear 特征获得。 ...