阅读小结：CNN Image Retrieval Learns from BoW:Unsupervised Fine-Tuning with Hard Example：CNN Image Retrie

What:

图像检索的一篇文章，使用了CNN特征。

结果方面，由于数据集的问题，ft以后在Holiday上 VGGNET    82.5   <   NetVlad 86.0  （因为ft的数据集多为建筑）

在Oxford 5k上结果（cropi） VGGNET 79.1  为一个state of art的结果。

How：

1.网络结构： 

全卷积网络，没有fc层。MAC层是一个根据输入大小对应的max pool。

对于pool5使用MAC，可以得到维数为256，512的特征。

MAC后的特征进行L2norm，然后做内积（这就是cos距离）作为loss  （regression loss）

2.提出了一个post processing的方法 （用training数据集得到一个映射矩阵）

3.提出了了一个无监督收集的数据集

首先收集一大堆没标注的图像，然后聚类

然后再用每一类构建3D model，扔掉一些冗余的模型。

4.选择训练pair的问题

3D模型可以看作一个二分图，一边是图像Image，一边是视点points。

正样本有三种策略

 a,MAC距离最小的，b.有很多视点交集的，c.视点交集满足一定的阈值的（这种最好）  可见Figure2

负样本的话

从其他类中选择  a.选择k近邻  b.选择视点相同的

实验

1query, 1positive and 5 negative images