项目背景：传统计算机视觉图像分析通常是对诸如“狗”“车”和“鸟”等传统意义类别上的分类、检索。而在许多实际应用中，图像对象往往来自某一传统类别下较细粒度级别的不同子类类别，现有的方法对细粒度级别子类别间较小的类间差异和较大的类内差异效果差。
需要解决问题：一般的图像检索大多都针对的是通用物体，比如在一些变化不会特别大的刚体之间搜索，如不同角度、光照下拍摄的埃菲尔铁塔、一些建筑物等等。如果将这些系统用于更精细的场景，传统方法便显得力不从心了，因此需要解决的问题就是找到细粒度物体的关键部位，利用这些关键部位的不同，进行针对性的细粒度分析。
我做的工作：对数据集进行pca降维，编写特征融合代码。其余部分由队友完成。
结果反馈：最后采用的SCDA方法比传统方法在实验所用的三个数据集中都比传统方法高至少10%的准确率