Symbiotic Segmentation and Part Localization for Fine-Grained Categorization 讲了利用图像分割和局部定位的方法分离出图像前景，来提高分类结果。
Deep Domain Adaptation for Describing People Based on Fine-Grained Clothing Attributes 没细看，讲的衣服的分类的。
Nonparametric Part Transfer for Fine-grained Recognition 用无参数局部转移的方法来提高识别率。
Hypercolumns for Object Segmentation and Fine-grained Localization 利用较下层的cnn网络的信息来提供空间信息，来提高分类结果。
Fine-Grained Recognition without Part Annotations 讲他这个文章不用局部注释和关键点，效果很好。
Deep LAC: Deep Localization, Alignment and Classification for Fine-grained Recognition 构造一个检测、对齐、分类与一体的神经网络，来进行细粒度图像分类。
The Application of Two-level Attention Models in Deep Convolutional Neural Network for Fine-grained Image Classification 这篇很重要，摘要部分很多可以借用，另外图标上有很多数据，可以借鉴。
上面是CVPR2015和细粒度有关的文章，下面是2016。
1. Picking Deep Filter Responses for Fine-grained Image Recognition[1]这篇文章是来自上海交通大学Xiaopeng Zhang等人的工作，该文章提出了一种对深度网络中的filter进行挑选的方法，基于挑选的filter的结果构建复杂特征表达。文章中提出的方法框架如下图所示：
整个方案分两步走：首先，利用深度filter的选择性来挖掘对于某些模式敏感的filter (比如鸟的喙与腿，如下图所示)从而得到一个weak的Part Detector。进而通过该Weak Detector作为初始来训练一个Discriminative Part Detector；
第二步便是利用第一步的Part Detector进行图像patch的检测然后提取deep descriptors，利用提出的Spatially Weighted Fisher Vector (SWFV)对deep descriptors进行pooling，从而得到图像SWFV-CNN特征描述。文章中报告的结果表明，利用该方法在CUB-200-2011和Stanford Dogs两个数据集上都取得了较优异的成果。值得一提的是，该方法并未利用人工标注信息(bbox+parts)，在测试集上相比于利用标注信息的方法有了显著提高。该方法并非采用End-to-End的结构，在中间的环节如Spatial weighting, FV pooling需要针对数据分布的不同而做细致调整。
2. SPDA-CNN: Unifying Semantic Part Detection and Abstraction for Fine-grained Recognition[2]这篇文章是来自罗格斯大学的Han Zhang等人的工作。由题目可知与上一篇文章一样，本文的作者也关注到了富有语义的局部(利用Part，Part，Part，重要事情强调三遍)，作者不满足于CUB-2011提供的head和body的定位结果，提出了small semantic parts 生成的方法。结果表明，充分利用了更多的small parts在fine-grained的问题上可以更好的提高分类结果，下面简单介绍作者的思路。整个系统由两个子网络组成，一个是Detection网络，另一个是Classification网络，方法流程如下图所示。
与已有的一些方法不同，作者并没有使用Region+CNN+SVM这样的框架，而是将Detection与Classification构建了一个End-to-End的网络。在Part Proposal阶段，作者利用了全局形状与几何限制条件，通过引入这样的先验知识，生成的proposals与传统方法相比减少了一个数量级(200 vs 2000)。然后基于proposal的结果利用Fast-RCNN生成Head，Back，Belly，Breast，Leg，Wing，Tail七个Parts，部分检测结果如下图所示，结果明显优于Selective Search。
总的来说，文章作者基于鸟的形状特性，在Proposal生成阶段构造了几何限制条件，并基于此提出了一种Part Detection的方法。而Parts在鸟类Fine-Grained分类问题上对结果的提高有明显帮助。作者将Part Detection和Classification结合成一个End-to-End的结构，同时进行训练与测试，取得了优异的结果。
3.Part-Stacked CNN for Fine-Grained Visual Categorization[3]这篇文章是来自悉尼科技大学Shaoli Huang等人的工作，与前两篇文章的出发点类似，本篇文章也是在Parts上寻找Fine-Grained的线索，但与前两篇文章相比，在框架中人工的参与更少。同其它Fine-Grained分类任务相似，这篇文章也采用两步走，即object parts localization (where pathway)和classification (what pathway)，值得一提的是在part定位过程中，利用了FCN(Fully Convolutional Network)。方法的流程如下图所示：
方法的特点在于，在分类阶段利用了Two-stream的结构在object-level和part-level进行特征提取，进而对feature map进行拼接，由此构建包含有全局与局部的特征描述。作者命名该架构为PS-CNN，为了兼顾性能与效率，作者采用基于AlexNet的CNN模型。在object-level与part-level特征拼接过程中，由于两部分输入数据尺度存在差异，因此需要在feature map中进行尺度调整。对于Object-level，抽取了pool5层的feature map(6×6)，而Part-level则提取了conv5的feature map(27×27)，并在conv5的基础上根据part定位的结果进行crop得到相应的feature map(6×6)。最后拼接过的feature map送入全连接层，得到4096维的特征向量。
由此我们可以发现，定位的part直接影响特征的描述结果，那么part-localization网络的结果如何呢？下图给出了测试集上的部分结果
而且最终分类结果表明，利用了part的结果要远远优于仅适用BBox的结果(76.7% vs 69%)，当然本文章所给出的启发并不局限于鸟类的分类。文章所提出的PS-CNN架构不仅可以用于鸟类等Fine-grained任务，还可以用于别的分类任务，框架比较general，而且在测试阶段在GPU K80平台上可以达到20 frames/sec，满足实时性的要求。
4. Mining Discriminative Triplets of Patches for Fine-Grained Classification[4]除了以上几种基于深度框架的Fine-Grained方法之外，来自马里兰大学的Yaming Wang等人提出了挖掘mid-level patch 的一种方法 [4]，文章中提出了基于mid-level representation的特征构建方法并结合SVM分类器进行分类，提出了一种基于顺序与形状条件限制的Triplet Mining方法。其中所谓的Triplets与两种限制如下图所示：
A、B、C可以被看做patch的Appearance model，利用顺序限制(左)和形状限制(右)进行中层特征的表示，构建了Bag of Triplets特征表达，方法流程如下图所示
文章的实验主要在车辆数据集(BMVC-14, Cars-196)，实验结果中表明，仅仅使用HOG特征的分类准确率就超过了fine-tune的AlexNet。在结合深度特征的基础上，该方法取得了state-of-the-art的结果。这篇文章并没有采用End-to-End的结构，而是挖掘Mid-level中有信息价值的表达，除了手动挖掘，深度网络是否也可以自动挖掘呢？这是否可以对我们做Fine-Grained任务引发一些思考呢？
5. 应对Fine-grained训练数据有限等问题的系列工作在Fine-Grained问题中，现在面临很多的难题，比如常见的FGVC数据集数量有限，而这些数据对于AlexNet、VGGNet、GoogleNet和ResNet等深度网络来说无法有效训练得到很好的结果；种类数目繁多，单单以花为例，全世界已发现的品种有超过400000，如果将全连接层节点数设置这么大的话，训练难度可想而知；除此之外，Fine-Grained还有类内差异大，类间差异小等情况。对于这些问题的解决，来自NEC实验室的Feng Zhou(http://f-zhou.com/)等人在本次CVPR中提出了一系列的方法：Fine-grained Image Classification by Exploring Bipartite-Graph Labels[5]、Embedding Label Structures for Fine-Grained Feature Representation[6]、Fine-grained Categorization and Dataset Bootstrapping using Deep Metric Learning with Humans in the Loop[7]，在线Demo地址：http://f-zhou.com/fg_demo/。
部分Fine-Grained分类结果(笔者已经看的饿了)，在深度模型训练过程中，除了常见的crop、rotate等data augmentation手段，Feng Zhou他们利用Bootstrapping来增加训练数据，为了解决类内-类间的问题，利用了基于Triplet loss的的Deep metric learning方法。更具体的细节笔者就不在这里详述，感兴趣的读者可以关注对应的文章
有别人写好的，摘录在此就可以先看别的文章了。