图像分类与检索

写在前面

• 感受野的本质是，某一层特征图中的某一cell对应原始输入的响应大小区域。自底向上推导出原图中的响应。
• 感受野可以告诉我们在某一层做的事受原始输入的影响有多大。比如语义分割会用到，对pixel的分类，要看pixel周围的pixel。

关键问题：特征提取

ML的feature extraction是由人工的提取，然后丢进机器算法比如SVM里面去做，SVM需要输入一个特征向量。

DL的feature extraction是端到端的，隐含在了network frame里。

Content-based image Retrieval（CBIR）Framework 特征提取常和hash融合在一起，将提取出来的特征hashing code。为了提高搜索速度。

Bag-of-Visual-Words (词袋模型) for CV

visual object representation: Bag of visual words

Visual Word = Local Feature

local feature由坐标位置(x,y)和descriptor组成。

SIFT

几何校验非常有名，用到了RANSAC

Deep Learning for Image Retrieval