使用BCNN网络结构测试细粒度分类效果
关于BCNN ,理论参考文献http://vis-www.cs.umass.edu/bcnn/docs/bcnn_iccv15.pdf 在项目中，先训练了全连接层的参数并保存下来，然后在微调整个模型
./bcnn_DD_woft.py 训练全连接层
bcnn_finetuning.py 微调整个网络
bcnn_finetuning_predict.py 预测测试样本（百度流浪狗）
down_pic.py 处理数据的脚本
utils/create_h5_dataset.py 创建h5数据集 本文一开始使用这种数据格式
data_loader.py 一个动态的数据加载工具，可以完成目标检测的提取，使用较少的内存空间。并可进行数据扩增
utils_.py 工具类
bdgod 本目录为pytorch实现的vgg和resnet，支持预训练，bilinearCNN模型，不支持预训练
bdgod/data_augmentation.py 数据增广文件
dog_config.py 配置文件
load_image.py 旧的数据处理工具
misc.py 预训练模型参数加载工具
predict_dog.py 预测功能
resnet.py 定义resnet网络结构
train_net.py 训练网络
vggnet.py 定义vgg网络结构
BilinearCNN.py 定义BCNN网络结构
