地标检索涉及到的知识点

地标检索和识别 比赛介绍分析: https://blog.csdn.net/sunflower_sara/article/details/99361693

地标检索 方法A ：https://blog.csdn.net/sunflower_sara/article/details/100549946

文件保存情况 ：https://blog.csdn.net/sunflower_sara/article/details/100549920

其他方案 https://blog.csdn.net/sunflower_sara/article/details/100549909

 

涉及到的内容：

地标检索：利用多个backbone(inception)网络和GeM Pooling+ Triplet Loss提取全局网络特征描述子；建立KDTree通过KNN寻找近邻，利用近邻根据权重重新生成新的描述子，以进行数据增强提高召回率，建立新的KDTree，将近邻返回为初步检索结果；最后， 根据深度局部特征(DELF)建立新的tree，找到近邻点，并由随机抽样一致(RANSAC)算法进行几何验证(geometric verification)，去除误匹配点，选择局内点数多的为目标，对检索结果进行重排。

 

GeM Pooling

https://blog.csdn.net/sunflower_sara/article/details/100555479

Triplet Loss

https://blog.csdn.net/jcjx0315/article/details/77160273

https://blog.csdn.net/weixin_40671425/article/details/98068190

&Focal loss 

https://blog.csdn.net/u014380165/article/details/77019084

https://zhuanlan.zhihu.com/p/49981234

https://zhuanlan.zhihu.com/p/32423092

https://www.cnblogs.com/king-lps/p/9497836.html

https://blog.csdn.net/Code_Mart/article/details/89736187

CE LOSS  https://blog.csdn.net/sunflower_sara/article/details/81162964

深度学习常用损失函数 https://blog.csdn.net/Tianlock/article/details/88232467

KNN 和KdTree  

https://blog.csdn.net/eeeee123456/article/details/79927128

https://blog.csdn.net/csdn0123zl/article/details/81253648

https://blog.csdn.net/luoyexuge/article/details/84235421

https://blog.csdn.net/ye1215172385/article/details/80214776

https://www.jianshu.com/p/4fd7cad27906

Kmeans

https://blog.csdn.net/weixin_37536446/article/details/81326932

DELF 

https://blog.csdn.net/wangxinsheng0901/article/details/81906696

RANSAC

https://blog.csdn.net/robinhjwy/article/details/79174914

 

四个步骤：

1.Global CNN descriptors:
对于imageNet的tensorflow-slim Inceptionv3进行finetune

GeM pooling

batch hard Triplet Loss 三个部分的loss

2.Approximate Nearest Neighborbor Search 近邻搜索
Ann开源包

3.Database augmentation (Query Expansion):
权重衰减和10个近邻 去代替图像的描述子  logarithmic weights

weights = logspace(0,-1.5,10)

4.Re-ranking based Delf
DeLF（Deep Local Features 深度局部特征）

 

 

DELF :

 

 

GemPooling

介于mean pooling和max pooling之间，二者是其特殊形式

通过调节参数p，可以关注不同细度的区域

公式：