摘要： 地标辨认，基于深度学习及大规模图像训练，反对上千种物体辨认及场景辨认，广泛应用于拍照识图、幼教科普、图片分类等场景。本文将为大家带来 6 种对于地标识的算法整顿和总结。
本文分享自华为云社区《地标辨认算法》，原文作者：阿杜。
地标辨认，基于深度学习及大规模图像训练，反对上千种物体辨认及场景辨认，广泛应用于拍照识图、幼教科普、图片分类等场景。本文将为大家带来 6 种对于地标识的算法。
一、《1st Place Solution to Google Landmark Retrieval 2020》
算法思路：
Step1：应用荡涤过的 GLDv2 数据集训练初始 embedding 模型。
Step2：应用全量 GLDv2 数据基于 Step1 失去的模型进行迁徙学习。
Step3：逐渐扩充训练图片的尺度（512512，640640，736*736），模型性能失去进一步晋升。
Step4：减少荡涤后的数据的训练 loss 权重，进一步训练模型。
Step5：模型交融。
Notes：
1、Backbone 模型为 Efficientnet+global average pooling，训练应用了 cosine softmax loss。
2、为了解决类别不平衡问题，应用了 weighted cross entropy。
经验总结：
1、荡涤后的数据有利于模型疾速收敛。
2、全量大数据集有利于模型学习到更好的特色示意。
3、减少训练分辨率能晋升模型性能。
二、《3rd Place Solution to“Google Landmark Retrieval 2020》
算法思路：
Step1：应用 CGLDv2 训练根底模型用于提取 GLDv2 全量图片特色，应用 DBSCAN 聚类办法更新图像类别，进行数据荡涤。
Step2：应用了 Corner-Cutmix 的图像增广办法，进行模型训练。
Notes：
1、backbone 为 ResNest200 和 ResNet152，GAP 池化，1* 1 卷积降维到 512 维，损失函数为 cross entropy loss。
三、《Two-stage Discriminative Re-ranking for Large-scale Landmark Retrieval》
算法思路：
Step1：应用 CNN 特色进行 KNN 搜寻，获取类似图片。
Step2：插入 Step1 脱漏的图片进行从新排序。
Notes：
1、Backbone 模型为 ResNet-101+Generalized Mean (GeM)-pooling，训练 loss 为 ArcFace loss。
2、应用全局特色 + 部分特色对 GLd-v2 数据集进行荡涤，用于后续模型训练。
四、《2nd Place and 2nd Place Solution to Kaggle Landmark Recognition and Retrieval Competition 2019》
算法思路：
1、应用 GLD-v2 全量数据别离训练 Resnet152、ResNet200 等模型，训练 loss 为 ArcFace loss、Npairs loss，拼接各个 backbone 的特色，应用 PCA 降到 512 维，作为图像的全局特色。
2、应用全局特色进行 KNN 搜寻，对搜寻后果应用 SURF、Hassian-Affine 和 root sift 部分特色进行再排序，并且应用了 DBA 和 AQE。
五、《Detect-to-Retrieve: Efficient Regional Aggregation for Image Search》
算法思路：
Step1：应用 GLD 的带 bbox 数据集，训练 Faster-RCNN 或 SSD 检测模型，用于地标框的提取。
Step2：提出了 D2R-R-ASMK 办法，用于检测框内的部分特征提取与特色聚合。
Step3：应用聚合后特色在 database 中进行搜寻。
Notes：
1、D2R-R-ASMK 基于 DELF 部分特色抽取和 ASMK 特色聚合办法实现。
2、每张图片提取 4.05 个 region 的时候成果最好，search 的内存占用会有相应减少。
六、《Unifying Deep Local and Global Features for Image Search》
算法思路：
Step1：对立在同一个网络中提取全局和部分特色
Step2：应用全局特色搜寻 top100 的类似图片
Step3：应用部分特色对搜寻后果进行重排序
Notes：
1、全局特色应用 GeM 池化和 ArcFace loss。
2、部分特色匹配应用 Ransac 办法。
点击关注，第一工夫理解华为云陈腐技术~