导读
准确来说，这篇Paper严格上算不上论文，没有什么贡献点。通篇说的就是Pinterest这APP的pipeline，如何利用各种特征进行图像检索。所以今天不打算详细的讲解，仅仅列举一些有趣的发现。
中低层特征效果更好。
如下图，文中做了大批量的实验，然后发现用中低层的特征表征图像时，效果更好。当取原始的raw特征时，ResNet-152的Pool5效果最好。并且当取二值化时，VGG16的FC-6层表现最好。然后作者发现一个有趣的现象，二值化时，ResNet-152的Pool5层效果大大下降。作者推测其原因是，Pool5层是对上一层的ReLu输出进行平均池化，而ReLu的输出是大于等于0的，对ReLu的激活值进行池化，会得到大于0的特征，而对这些特征进行二值化的时候，每个点都会变成1。
特征层选取
二值化提高AlexNet和VGG16在检索中的表现。
作者发现，对AlexNet和VGG16的特征进行二值化时，发现检索的效果提升了。
VGG16二值化
然后作者还发现，二值化更利于干净的分离噪声图像和真实图像，而raw特征却把他们聚类在一起。
二值化
最后贴一个Pipeline
image.png
