一、问题分析 

本赛题任务主要是通过对200类蝴蝶建立精准的分类模型。数据集大约有20,223张，涵盖200个物种，116属，23个亚科和5个科的四个不同级别。

 细颗粒度分类，在图像分类中是比较有挑战性的。普通的分类大多类间差距较大，比如说飞机和轮船，在图像特征上比较好区分，但细颗粒度图片，大体上属于同一类，比如猫的分类、狗的分类，类间差距小，很多特征相似，甚至相同，一般的分类网络，可能取得的效果并不好，所以要取得好的成绩并不容易。       

 图片中的蝴蝶有的比较大，有的比较小，图片大小也不一致，不同种类，数据有多有少，存在一定的不平衡，这些都给训练增加难度。        

在网络选择方面，首选带Attention的网络，比如seresnet系列，这类网络在细颗粒度分类上，应该会比其他网络会好一点。

 二、网络介绍 

对于图片分类，如果没有什么特别要求，一般两种方法最有效，模型集成和交叉验证。其实这两种方法是相似的，都是训练多个模型，再对判定结果进行平均，或者加权。缺点是训练时间长，在工程上并不实用，感觉有点像无赖打法。        不过选择什么样的模型集成，却是要不断尝试，耗费大