Even
第一个问题： (1) . 检测部分的训练数据标签跟YOLO(darknet)保持一致cls_id x, y, w, h(对img_w, img_h的相对值)； (2). 识别部分的标签： 将组合特征一致的数据放到根目录下对应的子目录，子目录名成即label值，具体处理见代码：训练、测试数据类别按照子目录存放，子目录名即label，Color_Direction_type，如Yellow_Rear_suv 第二个问题: 在检测的基础上做识别，依据检测额bbox切ROI，仅仅使用ROI做识别。
是的，一张一张的截取ROI，ROI跟bounding box一样就可以，写过一个半自动化的GUI工具，可以加快这个过程，这两天会放上来。
@ArchieGu 参考Clipper.py
预测阶段是不需要归一化的
@konioyxgq 使用的是简化版的BCNN，两个分支共用一个网络，通过batch matrix multiply(torch.bmm)实现矩阵外乘。
@konioyxgq 好的，多谢指正。
@konioyxgq BCNN主要用于细粒度分类，效果应该跟具体数据集有关，具体情况应该需要做更多的对比试验。
@starsky68 标签保持一模一样的即可， 问题的原因可能不在标签，而在你的一些参数设置，具体可以提前打断点debug看下，祝好运，最近有点忙....
我也想买第二版电子版，看起来习惯些，而且方面修改笔记