文献阅读笔记——All about VLAD

        是牛津视觉组2013年发表在CVPR上的一篇文章。这篇文章所做的工作包括3部分。

1 词典自适应

       假定由一个数据集聚类得到一个词典,当前有一个新的数据集。词典自适应是如何利用已有的词典,描述新的数据集。本文的词典自适应目的是根据新的数据集的SIFT特征更新已有的词典,包括两个步骤。(1)为新数据集的每张影像提取SIFT特征,将各个SIFT特征映射到单词上;(2)经过上步,每个单词都可能会被赋予一定数量的SIFT的特征,利用各个单词所拥有的SIFT特征求均值,得到更新后的单词。

2 归一化(Intra-normalization)

        包括两步归一化。(1)首先为每个单词的残差做归一化;(2)将第一步得到的归一化向量串在一起再用得到新的归一化向量。

3 Multi-VLAD

        将同一张图像用多个VLAD表示。


总结:

文章的Intra-normalization应当会带来一定引用。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值