1.motivation
细粒度视觉分类任务（Fine-grained visual categorization: FGVC)是具有挑战性的一个原因是其缺少大量的训练数据。另外，FGVC在使用大型的模型时为了防止过拟合，当下的一些方法是首先在大型的数据集上（eg: imagenet)做一个预训练，之后再迁移到目标任务上。作者认为，预训练没有考虑具体的目标任务。故作者提出新的模型，目的是指导网络参数的学习，使其最优的适合目标任务。在这基础上，作者又提出一个有效的方案在预训练数据集上选择最有用的样本。以我们往常的思维，普遍是把在imagenet上预训练的参数直接迁移到我们的任务上，并没有考虑到imagenet上预训练的参数是否最优的适合我们的任务，这里作者这种思维方式的确是具有创新性的。
2.related works
简单提一下related works中的一个点。
当下的许多FCVC方法普遍是处理输入的一整张图片而不是图片中局部的区域块，有针对性的处理区域块的方法通常会更好一点。
3.model
训练数据（target data)以
表示，
表示输入图像，
表示class label的one-hot vector。辅助数据（auxiliary data)以S表示。他们共享一个基础网络，之后有各自的classifier。以
表示Base network的参数，
和 分别表示两个分类器的参数。这样，两个分支模型的参数表示为
expected loss:
empirical loss:
regularized loss :
联合辅助数据共同训练：
作者结合meta-learning改进：
4.implementation details
作者使用resnet34作为backbone, 指出resnet34和vgg16-bn在imagenet上实现相似的效果, 经验总结，在这里记录一下。
值得注意的是， When using L-Bird Subset as the auxiliary data, the experiments firstly fine-tune an ImageNet pre-trained model on L-Bird Subset for 32 epochs, and then train our MetaFGNet for 8 epochs starting from the 24th epoch fine-tuned model; the learning rate and meta learning rate are divided by 10 respectively after 4 and 6 epochs。
5.conclusion
我认为，本文的思想更像是在fintune的角度做进一步改进，思路很清晰。有计划进一步研究的小伙伴可以详看论文，本人水平有限，敬请原谅。
