本文研究了在无约束视觉环境下的细粒度分类任务，通过使用强大的视觉网络替代传统的RNN结构，并在大规模预训练的情况下训练模型，成功实现了比谷歌网络分类模型更好的效果。该模型能够自主学习并区分各类狗的品种，无需边界框等空间监督，具备端对端训练的优势。