该论文提出了 Attention Pyramid Convolutional Neural Network (AP-CNN) 模型，通过集成低级信息以及 ROI 引导精细调整等策略来提高对物体细分类别的识别准确率。在三个 Fine-grained visual classification 数据集上实验结果表明，该模型能够实现最先进的性能。

Feb, 2020

本文提出了一个基于 Transformer 的框架，通过聚合特征来处理细粒度视觉分类任务，其中引入了一种新的令牌选择模块（MAWS）来引导网络有效地选择具有判别性的令牌，从而实现了最先进的性能。

Jul, 2021

本文介绍了一个基于 Vision Transformer 和 Part Selection Module 的模型 ——TransFG，可以有效提取重要的图像特征，应用于 Fine-grained visual classification，实现了最先进的表现。

Mar, 2021

本文提出了一种使用深度神经网络应用视觉注意力于细粒度分类任务的新管道，通过整合三种类型的注意力，训练领域特定的深度网络，在弱监督约束下避免使用昂贵的注释，并在 ILSVRC2012 数据集和 CUB200_2011 数据集的子集上验证了该方法的有效性，取得了与其他方法相竞争的表现。

Nov, 2014

本文提出了一种新颖的 Fine-grained visual categorization (FGVC) 方法，可以同时运用环境线索中局部但足够区分的信息和对目标类别下的冗余信息进行压缩，通过计算批次中高权重区域的比例和自适应阈值，实现了输入空间中背景信息的适度提取。此外，本文还使用信息瓶颈方法指导网络在特征空间中学习最小充分表示。实验结果表明，此方法在三个常用基准数据集上表现优于其他最先进的方法和基线模型。

Apr, 2022

本文提出了一个简单而有效的 Salient Mask-Guided Vision Transformer（SM-ViT）方法来在精细 - grained 视觉分类（FGVC）问题中捕捉潜在的可区分特征，进而提高视觉 Transformer 模型的分类性能。实验证明，SM-ViT 比现有的基于 ViT 的方法表现更优秀，需要更少的资源和较低的输入图像分辨率。

May, 2023

本文提出了一种基于全卷积注意力网络（FCANs）的强化学习框架，用于优化细粒度识别中的局部区域，并避免耗费昂贵的部件注释和定义困难的细粒度类别，该方法在包括 CUB-200-2011、斯坦福狗、斯坦福汽车和 Food-101 等四个基准数据集上得到了证明。

Mar, 2016

本文提出的 Visual Tree Convolutional Neural Networks (VT-CNN) 模型是在原有的深度卷积神经网络中嵌入了混淆语义级别信息而构建的，通过混淆可视化树 (CVT) 来识别混淆类别并提高对这些混淆类别的分类准确性，在 CIFAR-10 和 CIFAR-100 数据集上进行的实验结果表明，我们的 VT-CNN 模型比基准 CNN 模型分别提高了 1.36%、0.89% 和 0.64%。

Jun, 2019

本论文提出一种基于最大熵学习的卷积神经网络训练方法，以提高细粒度视觉分类任务的表现，并在此基础上取得了最新成果。该方法具有鲁棒性，可适用于各种类似问题的解决。

Sep, 2018

本文提出了一种多样化的视觉注意力网络（DVAN），该网络可以在细粒度分类任务中学习从粗到细的对象特征，通过显式关注多样性，以及使用多个引导注意力应对强监督信息受限的问题，有效提升细粒度分类的表现。

Jun, 2016