paper : 《DenseNet Models for Tiny ImageNet Classification》 https://arxiv.org/ftp/arxiv/papers/1904/1904.10429.pdf
code: https://github.com/ZohebAbai/Tiny-ImageNet-Challenge
这个文章应该是课程作业。
论文的主要目的就是完成一个分类器，在mini imagenet上。
主要仿照ResNet 和Densenet 设计了一个分类器。
数据使用了64*64的mini imagenet，数据增强方法使用了imgaug library :https://github.com/aleju/imgaug 这个可以记录下
就是设计了这样两个网络
分析分类错误的原因：
1. 低分辨率（一些细节丢失）
2.对图像中主要实体的错误理解（存在多个实体，比如果盘里有水果，应该是分类为果盘呢？还是某种水果呢）
3.相似类别间的混乱（例如：相似品种间的猫）
分类正确的情形：
前景和背景容易区分
前景占的空间比率大
数据增强对电线杆，旗杆这种竖长的有效果。
此外，提供了不少入门者可以操练数据地址：
mini imagenet: https://tiny-imagenet.herokuapp.com/