现在公司业务上有一个CV的需求，

比如imageNet有1000类，但是imageNet的图片的类别是有层次的，比如 动物 → 鸟 → magpie喜鹊

方案一：训练一个1000分类的模型，

方案二：训练第一层模型A(比如判断 动物 / 交通工具 / 建筑 ...)，然后训练多个第二层模型B1~Bn (比如A是动物，则B判断 鸟 / 狗 / 鱼...)，再训练多个第三层模型C1~Cn (比如A是动物，B是鸟，则C判断鸟的具体细分类别)，然后把模型A、B、C 像树形结构一样的编排起来。

请教大佬们

1) 模型准确性上，方案一和方案二是否存在优劣？

2) 如果图像类发生增删，方案二模型修改的工作量是不是会少于方案一。

3) 有没有模型编排的框架，辅助模型的树形结构编排(实际公司业务的图片的类别可能不止3层)

感谢感谢。