[实战]200类鸟类细粒度分类识别 我又来了！！！！ 一、图像分类 这次进行实战项目，鸟类细粒度分类识别实战。再讲细粒度分类之前，让我们先回顾一下图像分类吧。 图像分类是计算机视觉的最基础的一个任务，从最开始的入门级的mnist手写数字识别、猫狗图像二分类到后来的imagenet任务。图像分类模型随着数据集的增长，一步步提升到了今天的水平。计算机的图像分类水准已经超过了人类。 在这里我把图像分类任务分为了两种，一种是单标签的图像分类任务，一种是多标签的图像分类任务。 多标签的图像分类任务，更

细粒度分类，旨在区分下属类别，例如鸟类或狗繁殖，是一项极富挑战性的任务。 这是因为两个主要问题：如何定位区分区域识别以及如何学习用于表示的复杂功能。 如果没有，它们都不容易处理标签数据不足。 我们利用一个事实，即下级对象已经本体树中还有其他标签。 这些“免费”标签可用于训练一系列基于CNN的分类器， 每个都专门在一个粒度级别。 内部表示这些网络有不同的兴趣范围， 允许构造多粒度描述符编码涵盖所有内容的信息性和区分性功能谷物水平。 我们的多重粒度框架可以通过最薄弱的监督，只需要图像级别的标签并避免