AAAI 2020 | 反向R？削弱顯著特徵爲細粒度分類帶來提高

論文提出了相似於dropout做用的diversification block，經過抑制特徵圖的高響應區域來反向提升模型的特徵提取能力，在損失函數方面，提出專一於top-k類別的gradient-boosting loss來優化訓練過程，模型在ResNet-50上提高3.2%，算法思路巧妙，結構易移植且效果也不錯，值得學習html 論文:Fine-grained Recognition: Acco

>>阅读原文<<