细粒度属性的图像看起来非常相似，且在不同光线、角度和背景下拍摄，其识别精度也会受到影响。
细粒度识别相比于一般的图像分类不仅需要使用图像的整体信息，同时应注意到子类别所独有的局部特征。
一般细粒度识别可以分为两种，即基于强监督信息的方法和仅使用弱监督信息的方法。
基于强监督的细粒度识别通常需要使用边界框和局部标注信息。仅使用类别标签，是一种弱监督信息的细粒度识别。
一般的解决办法为：1、采用非常多的数据增强方法增加输入图像，例如水平翻转、旋转、高斯模糊、锐化、截取和归一化等方法。
2、根据多个基础卷积网络抽取输入图像的特征，并作出预测。
3、结合所有基础模型的预测得出最终结果。
