论文阅读笔记2:NetVLAD

题目：NetVLAD: CNN Architecture for Weakly Supervised Place Recognition：、

团队：PSL Research University/Tokyo Institute of Technology

解决的问题：我们解决了大规模视觉位置识别的问题，其任务是快速准确地识别给定查询照片的位置

创新点：这篇文章主要有3个创新点： 1. 为场景识别任务构造出了一个可以直接端到端训练的CNN模型结构，NetVLAD就是该模型的一个layer；2. 构造一个弱监督排序损失(weakly supervised ranking loss)来指导模型的参数更新；3. 效果很好。在两个具有挑战性的数据集上超过了非学习性的和现成的CNN描述子，等等。总的来说，就是把传统的VLAD算法融合到了CNN模型结构里，然后针对特定的谷歌街景数据集(Google Street View Time Machine)用了弱监督排序损失来训练。

新概念：1.架构参数端到端的学习：从原始数据到输出不经过人工的干预；

2.反向传播主要是传播误差方便对参数进行更新；

3.weakly supervised ranking loss弱监督排序损失；

4.弱监督：分为三种类型：不完全监督、不确切监督、不准确监督；

5.对图像比较相似：将图像训练成一个向量，与数据集比对，向量之间的相似性由欧氏距离表示；

6. aggregation：聚合

7.conv5（第五层网络）描述符号以及L2归一层

作者主页：https://www.relja.info/

效果：达到了较好的mAP，图像检索：image retrieval，本文的训练网络：VGG-16 NetVLAD + whitening

对比的网络：RootSIFT + VLAD + whitening 召回率：ImageNet。 Places205。召回率recall@1 recall@10 Recall@K召回率是指前排在前K的结果中检索出的相关结果数和库中所有的相关结果数的比率。数据集Pitts250k 和Tokyo 24/7。 Alex-Net 与 VGG-16