本文介绍了一种基于深度卷积神经网络的学习系统，用于聚类视觉相似的类别，并学习每个子集的特定深度卷积神经网络特征。实验证明该方法在Caltech-UCSD鸟类数据集上优于最近的细粒度分类方法，最困难情况下平均准确率达到77.5%。渐进式迁移学习提高了准确性。