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
這個文章應該是課程作業。
論文的主要目的就是完成一個分類器，在mini imagenet上。
主要仿照ResNet 和Densenet 設計了一個分類器。
資料使用了64*64的mini imagenet，資料增強方法使用了imgaug library :https://github.com/aleju/imgaug 這個可以記錄下
就是設計了這樣兩個網路
分析分類錯誤的原因：
1. 低解析度（一些細節丟失）
2.對影象中主要實體的錯誤理解（存在多個實體，比如果盤裡有水果，應該是分類為果盤呢？還是某種水果呢）
3.相似類別間的混亂（例如：相似品種間的貓）
分類正確的情形：
前景和背景容易區分
前景佔的空間比率大
資料增強對電線杆，旗杆這種豎長的有效果。
此外，提供了不少入門者可以操練資料地址：
mini imagenet: https://tiny-imagenet.herokuapp.com/