ICCV2017，和CVPR那篇很类似，毕竟是一个组的工作，只是一个是不断放大感兴趣的区域(只有一块，然后在这一块上再找），在串行。这个是在一个图里，找几个，然后combine起来，类似于并行。
实现：
分成两个部分来算，感觉是先画框，选出4个mask，然后在把图像本身，之前unsample的那一层以及mask分别当做输入层，相当于六路的并行，没共享参数，然后concat,感觉计算量超大。
image.png
怎样得到Mask：
channel grouping 实际的实现 conv5(wx)后面接4组全连接，全连接后得到d,将d和wx相乘，求和后sigmoid得到 mask,然后wx再和mask点乘得到最后的attention的模块。
Loss:
分为两部分，和那篇类似。一个约束分类的，一个约束mask的生成(channel group loss)。
其中Lcng又分为两个部分，dis和div，两个部分互相制约。dis是为了让mask向最大响应的地方集中，div是为了找到不同的mask。
优化方法：
和上篇一样，固定一个训练另一个。固定分类的，训练mask，固定mask，训练分类。交替训练。
实验结果，在三个数据集上，均取得了不错的结果。
eg.cub0200-2011 dataset:
