Deep Image Retrieval: Learning global representations for image search
文中贡献
- 学习特征权重,构建区域特征。 2. 使用区域推荐网络,学习哪个区域需要细化形成池化构建成全局表达
文中使用三流孪生网络,优化R-MAC向量权重。通过使用triplet ranking loss。
第二个贡献是学习R-MAC pooling机制。预测bounding box .
整体结构如下,类似于faster RCNN.
将R-MAC中,固有的格式转化成RPN推荐区域。 RPN使用的是全卷积网络。
使用RPN 层的边框代替固定边框,进行R-MAC