FashionSearchNet学习笔记

FashionSearchNet

（写了一半，现在认为，这种方法就是在AMNet的基础上添加了属性定位）
针对于图像检索中替换属性的问题，一个难点就在于如何表示产品中每个属性的特征。FSNet使用了一种弱定位的方法提取属性区域。通过这种方式，能够使不相关的部分不再对图像检索产生影响。

1. FSNet使用背景

有部分学者已经对如何替换图像中的属性做出了自己的研究，如AMNet。但是这些方法都没有从属性定位的方面进行探索。属性定位其实是由Learning Deep Features for Discriminative Localization这篇论文提出的,在本文中也得到了很好的使用。

2. FSNet核心要点

1. 属性定位

首先使用类似Alexnet的结构对图像进行属性定位。属性定位的方法来自于Learning Deep Features for Discriminative Localization。属性定位就是为了更好的表示一种属性。在神经网络中输入一张图片，通过Alexnet进行卷积，但将Alexnet的两个全连接层换成卷积层，并进行GAP操作，GAP公式如下：
$$\sum _k(x_I(k)=\sum _{i,j}conv{7}_k(I,i,j))$$
这里的$x_I(k)$是图像$I$中的第$k$个通道，$conv{7}_k(I,i,j)$是第七卷积层中的第k个特征图的$(i,j)$这个位置。进而我们可以定义属性激活图AAMs为：
$$M_{a_c}(I,i,j)=\sum _k{W}_{a_{(k,c)}}conv{7}_K(I,i,j)$$
这里的c是类别，$W_{a_{(k,c)}}$就是属性a在第k个特征图里属于类别c的权重。$W_a$使用下述的分类损失函数进行更新：
L c = − ∑ I = 1 N ∑ a = 1 A l o g ( p ( g I a ∣ x I w a ) ) L_{c}=-\sum_{I=1}^{N}\sum_{a=1}^{A}log(p(g_{I_{a}}|x_{I}w_{a})) Lc​=−I=1∑N​a=1∑A​log(p(gI