ECCV2018 | 细粒度分类：多注意力多类别约束

方法 本文提出方法可以高效精确地获取判别区域尽管只是在图像级别的标签上训练。如下图所示，本文方法框架有两部分组成：1）压缩-多扩展（OSME）模块，轻微增加计算量（也不算太轻），从多个注意力区域提取特征。2）多注意力多类别约束（MAMC），加强注意力区域之间的联系。本文方法比其他方法具有端到端单阶段的优势。 OSME 也是一种弱监督下的部件定位的注意力方法。先前工作总结：1）部件检测。往往将部件检

>>阅读原文<<