ghostnet用于细粒度图像分类

[Javacr]

作者，你好！我最近将 带有预训练模型的 ghostnet1.0x 用于细粒度图像分类，数据集为cub_200，ghostnet只做了略微的调整，最后一层分类层的 num_classes=200。遇到一个问题，我用了SGD作为优化器，CLR作为学习率调整策略，拟合极快。10个epoch内，训练集准确率就到达了99.9%。23个epoch时，测试集达到了75%，并且之后不再上升。一直没想明白为何训练集拟合如此之快，以及测试集与训练集的acc的gap为何这么大。希望得到作者的指点。

[iamhankai]

你这个现象应该不是网络本身的问题，你换个网络也会有类似结果吧？可以尝试加大weight decay，多加一些data augmentation来缓解过拟合。

[iamhankai]

此外，我之前有做过细粒度图像分类，其中采用的attention机制以及实验设定供参考：https://arxiv.org/abs/1901.00392

[Javacr]

此外，我之前有做过细粒度图像分类，其中采用的attention机制以及实验设定供参考：https://arxiv.org/abs/1901.00392

大佬涉及方方面面，佩服。ghostnet的确好用，快而准。同时，谢谢大佬提供的论文链接，这两天我研究研究。