http://www.liuxiao.org/2019/02/%E8%AE%BA%E6%96%87%E7%AC%94%E8%AE%B0%EF%BC%9Anetvlad-cnn-architecture-for-weakly-supervised-place-recognition/

NetVLAD: CNN architecture for weakly supervised place recognition

论文笔记：NetVLAD: CNN architecture for weakly supervised place recognition

文章目录

NetVLAD1是一个较早的使用 CNN 来进行图像检索或者视频检索的工作，后续在此工作的基础上陆续出了很多例如 NetRVLAD、NetFV、NetDBoW 等等的论文，思想都是大同小异。

一、图像检索

VLAD 和 BoW、Fisher Vector 等都是图像检索领域的经典方法，这里仅简介下图像检索和 VLAD 的基本思想。
图像检索（实例搜索）是这样的一个经典问题：
1、我们有一个图像数据库 I_iIi​ 通过函数可以得到每一个图像的特征 f(I_i)f(Ii​)；
2、我们有一个待查询图像 qq 通过函数得到它的特征 f(q)f(q)；
3、则我们获得的欧氏距离 d(q, I) = \parallel  f(q) - f(I)\paralleld(q,I)=∥ f(q)−f(I)∥ 应该满足越相近的图像 d(q, I)d(q,I) 越小。

二、VLAD （Vector of Locally Aggregated Descriptors）

​

NetVLAD

经典 VLAD 公式的可微化