ECCV2018細粒度分類paper：Learning to Navigate for Fine-grained Classification
作者無私的將代碼公佈了出來，源碼基於pytorch。
項目地址：https://github.com/yangze0930/NTS-Net
在自己設備上覆現時，鳥類數據集能夠達到論文中的效果，但是汽車數據集的accuracy只有90.3%，和論文中描述的93.9%還是有些差距的。
本篇博客主要從論文原理和代碼兩個部分對NTS-Net進行解讀。
論文部分
參考鏈接：https://blog.csdn.net/qq_16525279/article/details/82595285
實際上，在代碼中，anchor並不是如論文中所描述的3個尺度3種比例，還加入了邊框的縮放比例。代碼解讀部分會提到。
Condition是該論文中自監督方法的核心。
通過使得所用NMS選出的前M個區域的信息量和置信度的排序一致，實現自監督的目的。
NTS-Net網絡流程：
- 圖片預處理爲（448，448，3），通過resnet提取特徵得到（14，14，2048）的特徵圖。
- 將提取的特徵圖經過FPN網絡得到三種尺度 [（14，14）（7，7）（4，4）] 的特徵圖。
- 通過anchor機制，對應給特徵圖上的每個點對應原圖上的一個框。
。
。。。。
。。。。。。。。未完待續。。
。。。