使用BCNN网络结构测试细粒度分类效果

关于BCNN ,理论参考文献http://vis-www.cs.umass.edu/bcnn/docs/bcnn_iccv15.pdf 在项目中，先训练了全连接层的参数并保存下来，然后在微调整个模型

 ./bcnn_DD_woft.py  训练全连接层
     bcnn_finetuning.py  微调整个网络
     bcnn_finetuning_predict.py   预测测试样本（百度流浪狗）
     down_pic.py  处理数据的脚本

utils/create_h5_dataset.py  创建h5数据集  本文一开始使用这种数据格式
      data_loader.py  一个动态的数据加载工具，可以完成目标检测的提取，使用较少的内存空间。并可进行数据扩增
      utils_.py  工具类

bdgod 本目录为pytorch实现的vgg和resnet，支持预训练，bilinearCNN模型，不支持预训练

bdgod/data_augmentation.py   数据增广文件
      dog_config.py   配置文件
      load_image.py   旧的数据处理工具
      misc.py         预训练模型参数加载工具
      predict_dog.py   预测功能
      resnet.py        定义resnet网络结构
      train_net.py     训练网络
      vggnet.py        定义vgg网络结构
      BilinearCNN.py   定义BCNN网络结构