论文笔记：Fine-tuning CNN Image Retrieval with No Human Annotation

Radenović F, Tolias G, Chum O. Fine-tuning CNN image retrieval with no human annotation[J]. IEEE transactions on pattern analysis and machine intelligence, 2018, 41(7): 1655-1668.

code: https://github.com/filipradenovic/cnnimageretrieval-pytorch

贡献：

1. 利用SfM三维重建来构造训练数据，在网络训练时使用 hard negative和hard positive
2. 提出了使用相同训练数据对白化（whitening）进行训练，并且将其作为后处理，可以提高性能
3. 提出了一种可训练的池化层，在保持相同的特征描述维度的同时，显著地提高了检索性能
4. 提出了一种新型的α加权查询扩展方法，比以往广泛使用的标准平均查询扩展，效果更好
5. 通过使用经典网络AlexNet,VGG和ResNet在Oxford Buildings, Paris, and Holidays 数据集上取得了好的效果

上述文章是下面文章的扩展：
F. Radenovi´ c, G. Tolias, and O. Chum, “CNN image retrieval learns from BoW: Unsupervised fine-tuning with hard examples,” in ECCV, 2016