地標檢索和識別 比賽介紹分析:
地標檢索 方法a ：
檔案儲存情況 ：
其他方案
涉及到的內容：
地標檢索：利用多個backbone(inception)網路和gem pooling+ triplet loss提取全域性網路特徵描述子；建立kdtree通過knn尋找近鄰，利用近鄰根據權重重新生成新的描述子，以進行資料增強提高召回率，建立新的kdtree，將近鄰返回為初步檢索結果；最後， 根據深度區域性特徵(delf)建立新的tree，找到近鄰點，並由隨機抽樣一致(ransac)演算法進行幾何驗證(geometric verification)，去除誤匹配點，選擇局內點數多的為目標，對檢索結果進行重排。
gem pooling
triplet loss
&focal loss
ce loss
深度學習常用損失函式
knn 和kdtree
kmeans
delf
ransac
四個步驟：
1.global cnn descriptors:
對於imagenet的tensorflow-slim inceptionv3進行finetune
gem pooling
batch hard triplet loss 三個部分的loss
3.database augmentation (query expansion):
權重衰減和10個近鄰 去代替影象的描述子 logarithmic weights
weights = logspace(0,-1.5,10)
4.re-ranking based delf
delf（deep local features 深度區域性特徵）
介於mean pooling和max pooling之間，二者是其特殊形式
通過調節引數p，可以關注不同細度的區域
公式：
簡歷專案涉及到的知識點
今天列舉一下簡歷中專案涉及到的知識點，逐漸補全。一 基於內容的遙感影象檢索系統 1 hadoop框架，mapredce並行運算，hdfs檔案系統分布式儲存。1 如何讓每次map讀取一整幅？1 四叉樹分割 在灰度均勻分布的區域內，灰度的標準方差較小 而在灰度非均勻分布的區域內，灰度的標準方差較大。灰度...
前後端涉及到的常用知識點
ios，h5，安卓等前端開發的如何跟後台進行互動?應該怎麼去規避一些不該屬於自己的任務而被後台強加於自己?在開發中,url主要是由後台來寫的,寫好了給前端開發者.如果後台在查詢資料,需要借助查詢條件才能查詢到前端需要的資料時,這時後台會要求前端提供相關的查詢引數，這裡的查詢引數也就是url請求的引數...
深度學習涉及到的線性代數知識點總結（二）
如果對向量模長進行歸一化，歐式距離和余弦相似度有如下計算關係 適用場景 余弦相似度計算的向量的夾角，它並不關心向量的絕對大小。歐式距離體現的是數值上的絕對差異。結論 做了標準化後，余弦相似度與歐式距離成正比 等價性 公式 相關性分為線性相關 正 負 和線性無關 通俗理解 你可以把向量想成乙個乙個的人...