简介：WS-DAN_PyTorch是基于PyTorch框架实现的弱监督深度注意力网络（WS-DAN）项目，适用于图像识别任务中的模型训练与评估。
WS-DAN的PyTorch实现介绍
这是“先看好：用于细粒度”的文章在PyTorch上的实现版本。此外，它还具备正式的TensorFlow实现。代码的核心部分参考了官方版本，最终性能几乎达到了论文中报告的结果。
环境要求：
- 操作系统：Ubuntu 16.04
- 显卡配置：GTX 1080 8GB *2
- CUDA版本：8.0
- Python及依赖库：Python = 3.6.5，PyTorch = 0.4.1，torchvision = 0.2.1等（使用Anaconda环境）
必要时可借助pip或conda安装一些第三方的依赖包。
结果数据：
| 数据集 | ACC (此仓库) | ACC 提炼 (此仓库) | ACC (论文) |
| :---: | :---: | :---: | :---: |
| CUB-200-2011 88.20% | 89.30% | 89.4%
| FGVC飞机 93.15% | 93.22% | 93.0%
| 斯坦福汽车 94.13% | 94.43% | 94.5
| 斯坦福犬86.03% | 86.46% | 92.2
预训练模型可从相关资源中下载。
5星
