學習筆記，僅供參考，有錯必糾

關鍵詞:VLAD，深度學習，加權方案，門控方案，特征表示

記錄一波…

---

Vector of Locally and Adaptively Aggregated Descriptors for Image Feature Representation

Abstract

局部聚合描述子向量(VLAD)在圖像表示中得到了廣泛的應用。然而，VLAD算法尋求的是描述符與它們所屬的聚類質心之間的殘差向量的代數和，這可能會降低特征表示的判別能力。

為此，本文提出了一種VLAAD(局部和自適應聚合描述符的向量)框架，自適應地為每個殘差向量分配權重。首先，利用每個殘差向量的大小計算權重，并將加權的VLAD塊封裝到ResNet中，形成端到端的加權NetVLAD方法。為了進一步增強特征的判別能力，我們隨后用門控方案取代了基于量值的權重計算，實現了權重的自動估計。增強的版本稱為門控NetVLAD方法。

在CIF AR-10、MNIST數字、匹茲堡谷歌街視圖和ImageNet-Dog數據集上的實驗結果表明，與幾種最先進的方法相比，使用VLAAD可以提高分類精度和檢索地圖。

總結

以上是生活随笔為你收集整理的文献记录(part48)--Vector of Locally and Adaptively Aggregated Descriptors for Image Feature ...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。