What:
图像检索的一篇文章,使用了CNN特征。
结果方面,由于数据集的问题,ft以后在Holiday上 VGGNET 82.5 < NetVlad 86.0 (因为ft的数据集多为建筑)
在Oxford 5k上结果(cropi) VGGNET 79.1 为一个state of art的结果。
How:
1.网络结构:
全卷积网络,没有fc层。MAC层是一个根据输入大小对应的max pool。
对于pool5使用MAC,可以得到维数为256,512的特征。
MAC后的特征进行L2norm,然后做内积(这就是cos距离)作为loss (regression loss)
2.提出了一个post processing的方法 (用training数据集得到一个映射矩阵)
3.提出了了一个无监督收集的数据集
首先收集一大堆没标注的图像,然后聚类
然后再用每一类构建3D model,扔掉一些冗余的模型。
4.选择训练pair的问题
3D模型可以看作一个二分图,一边是图像Image,一边是视点points。
正样本有三种策略
a,MAC距离最小的,b.有很多视点交集的,c.视点交集满足一定的阈值的(这种最好) 可见Figure2
负样本的话
从其他类中选择 a.选择k近邻 b.选择视点相同的
实验
1query, 1positive and 5 negative images