ECCV2018细粒度分类paper：Learning to Navigate for Fine-grained Classification
作者无私的将代码公布了出来，源码基于pytorch。
项目地址：https://github.com/yangze0930/NTS-Net
在自己设备上复现时，鸟类数据集能够达到论文中的效果，但是汽车数据集的accuracy只有90.3%，和论文中描述的93.9%还是有些差距的。
本篇博客主要从论文原理和代码两个部分对NTS-Net进行解读。
论文部分
参考链接：https://blog.csdn.net/qq_16525279/article/details/82595285
实际上，在代码中，anchor并不是如论文中所描述的3个尺度3中比例，还加入了边框的缩放比例。代码解读部分会提到。
Condition是该论文中自监督方法的核心。
通过使得所用NMS选出的前M个区域的信息量和置信度的排序一致，实现自监督的目的。
NTS-Net网络流程：
- 图片预处理为（448，448，3），通过resnet提取特征得到（14，14，2048）的特征图。
- 将提取的特征图经过FPN网络得到三种尺度 [（14，14）（7，7）（4，4）] 的特征图。
- 通过anchor机制，对应给特征图上的每个点对应原图上的一个框。
。
。。。。
。。。。。。。。未完待续。。
。。。