AAAI 2020 | 反向R？削弱显著特征为细粒度分类带来提升

论文提出了类似于dropout作用的diversification block，通过抑制特征图的高响应区域来反向提高模型的特征提取能力，在损失函数方面，提出专注于top-k类别的gradient-boosting loss来优化训练过程，模型在ResNet-50上提升3.2%，算法思路巧妙，结构易移植且效果也不错，值得学习 论文:Fine-grained Recognition: Accounti

>>阅读原文<<