网络结构
这个网络听复杂的，主要有三个块组成
3.2. Geometric context encoder
几何背景编码
Input: K个无序的特征点坐标
Output: 128维的描述子
Context Normalization(CN) 这个就是在＂Learning to Find Good Correspondences＂文中采用的方法，能够很好的消除错匹配
CN操作可以根据输入featuremap分布进行归一化
3.3. Visual context encoder
Maximum Activations of Convolutions(MAC) 这个在图像检索里面用的挺多的，简单说就是把卷积层产生的feature map变成一个二维的向量并加以利用。
在论文《PARTICULAR OBJECT RETRIEVAL WITH INTEGRAL MAX-POOLING OF CNN ACTIVATIONS》有详细说明。
