图像细粒度分类开源算法

以下是一些图像细粒度分类的开源算法：

1. [Fine-Grained Visual Classification (FGVC) with PyTorch](https://github.com/abhay-venkatesh/fine-grained-pytorch) - 基于PyTorch实现的FGVC算法，使用ResNet网络进行图像分类。

2. [Bilinear-CNN for Fine-grained Visual Classification](https://github.com/tsungyi/bcnn) - 基于Caffe实现的BCNN算法，使用双线性池化操作进行特征提取和图像分类。

3. [Deep Residual Learning for Image Recognition](https://github.com/KaimingHe/deep-residual-networks) - 基于Deep Residual Network实现的图像分类算法，可以应用于细粒度分类问题。

4. [DeepID-Net: Object Detection with Deformable Part Based Convolutional Neural Networks](https://github.com/liuzhuang13/DenseNet) - 基于DenseNet实现的图像分类算法，可以应用于细粒度分类问题。

5. [Attentional Network for Visual Object Recognition](https://github.com/philipperemy/tensorflow-attentional-ocr) - 基于Attentional Network实现的图像分类算法，可以应用于细粒度分类问题。

这些算法都是开源的，可以在GitHub上找到它们的代码和实现细节。它们使用的深度学习模型和特征提取方法可能不同，但都可以应用于细粒度图像分类问题。