Bilinear CNN 《Bilinear CNNs for Fine-grained Visual Recognition》
深度学习成功的一个重要精髓，就是将原本分散的处理过程，如特征提取，模型训练等，整合进了一个完整的系统，进行端到端的整体优化训练。不过，在以上所有的工作中，我们所看到的都是将卷积网络当做一个特征提取器，并未从整体上进行考虑。最近，T.-Y. Lin、A.RoyChowdhury等人设计了一种端到端的网络模型Bilinear CNN，在CUB200-2011数据集上取得了弱监督细粒度分类模型的最好分类准确度。
如下图所示，一个Bilinear模型Β由一个四元组组成：Β=(fA,fB,Ρ,C)。
其中，fA，fB代表特征提取函数，即图中的网络A、B；P是一个池化函数（Pooling Function）；C则是分类函数。
特征提取函数f (•)的作用可以看作一个函数映射，f:LXI→RcXD将输入图像I与位置区域L映射为一个cXD 维的特征。
而两个特征提取函数的输出，可以通过一个双线性操作进行汇聚，得到最终的Bilinear特征。
其中池化函数 的作用是将所有位置的Bilinear特征汇聚成一个特征。
到此Bilinear向量即可表示该细粒度图像，后续则为经典的全连接层进行图像分类。
一种对Bilinear CNN模型的解释是，网络A的作用是对物体／部件进行定位，即完成前面介绍算法的物体与局部区域检测工作，而网络B则是用来对网络A检测到的物体位置进行特征提取。
两个网络相互协调作用，完成了细粒度图像分类过程中两个最重要的任务：物体、局部区域的检测与特征提取。
另外，值得一提的是，Bilinear模型由于其优异的泛化性能，不仅在细粒度图像分类上取得了优异效果，还被用于其他图像分类任务，如行人重检测（Person Re-ID）。
---------------------
来源：CSDN
作者：jessican_uestc
链接：https://blog.csdn.net/jessican_uestc/article/details/83312505