摘要：地标辨认，依据深度学习及大规模图画练习，支撑上千种物体辨认及场景辨认，广泛应用于摄影识图、幼教科普、图片分类等google浏览器场景。本文将为我们带google商铺来 6 种关于地标识的算法拾掇和总结。
本文同享自华为云社区《地标辨认算法》，原文作者：阿杜 。
地标大数据专业工作远景怎么辨认，依据深度学习及大规模图画练习，支撑上千种物体辨认及场景辨认，广泛深度学习应用于摄影识图、幼教科普、图片分类等场景。本文将为我们带来 6 种关于大数据修仙地标识的算法。
一、《1st Place Solution to Google La大数据技术ndmark Retrieval 2020》
算法思路：
Step1大数据查询：运用清洗过的 GLDv2 数据大数据专业学什么集练习初始 embedding 模型。
Step2：运用google全量 GLDv2 数据依据 Step1 得到的模型进行搬家学习。
Step3：逐步扩展练习图片的标准（512*512，640*640，736*736），模型功用得到进一步前进。Step4：添加清洗后的数据的练习 loss 权重，进一步练习模型。Step5：宫颈癌模型融合。
Notes：
1、GoBackbone 模型为 Efficientnet+globa大数据专业工作远景怎么laverage pgoogleplay安卓版下载ooling，练习运用了 cosinesoftmax loss。
2、为了处理类别不均衡问题，运用了 weightedcross entropy。
经验总结：
1、清洗后的数据有利于模型快速收敛google商铺。
2、全量大数据集有利于模型学习到更好的特征表明。
3、添加练习分辨率能前进模型功用。
算法工程师二、《3rd Place Solution to狗狗币 “Google Landmark Retrieval 2020》
算法思路：
Step1：运用 CGLDv2 练习根底模型用于提取 GLDgoogle空间v2 全量图片特征，运用 DBSCAN 聚类办法更新图画类别，进行数据清洗。
Step2：运用了 Corner公积金借款-Cutmix 的图画增google广办法，进行模型练习。
Notes：
1、backbone 为 ResNest200 和 ResNgoogleet152，GAP 池化，1*1 卷积降维到 512 维，丢掉函数为 cross entropy loss。
三、《Two-stage Discriminative Re-ranking算法 for Large-scale LandmarkRetrieval》
算法思路：
Step1：运用Google CNN 特googleplay征进行 KNN 查找，获取类似图片。
Step2：刺进 Step1 丢失的图片进行从头排序。
Notes：
1、Backbone 模型为 ResNet-101+GeneralizedMean (GeM)-pooling，练习 loss 为 ArcgoogleFace loss。
2、运用大局特征+部分特征对 GLd-v2 数据集进行清洗，用于后续模型练习。
四、《2大数据专业工作远景怎么nd Place and 2nd Place Solution to Kaggle Landmgoogle地球ark Recognitionand Retrieval Competition 2019》
算法思路：
1、运用 GLD-v2 全量数据分别练习 Resnet152、ResNet200 等模型，练习 loss 为 ArcFace loss、Npairs loss，拼接各个 backbone 的特征，运用 PCA 降到 512 维，作为图画的大局特征。
2、运用大局特征进行 KNN 查找，对查找作用运用 SURF、Hassian-Affine 和 root sift 部分特征进行再排序，并且运用了 DBA 和 AgoogleplayQE。
五、《Detect-to-Retrieve: Efficient Regional Aggregation for ImageSearch》
算法思路：
Step1：运用 GLD 的带 bbox 数据集，练习 Faster-RCNN 或 SSD 检测模型，用于地标框的提取。
Step2工商银行：提出了 D2大数据修仙R-R-公积金借款ASMK 办法，工商银行用于检测google商铺框内的部分特征提取与特征聚合。
Step3：运用聚合后特征在 database 中进行查找。
Notes：google地球
1、D2R-R-ASMK 依据 DELF 部分特征抽取和 ASMK 特征聚大数据是什么意思合办法完结。
2、每张图片提龚俊取 4.05 个 region 的时分作用最好，search 的内存占用会有相应添加。
六、《Unifyin工商银行g Deep Local and Globalgoogle空间 Features for Image Search》
算法思路：
Step1：统一在同一个网络中提取大局和部分特征
Step2：运用大局特征查找 top100 的类似图片
Step3：运用部分特征对查找作用进行重排序
Notes：
1、大局大数据专业学什么特征运用 GeM 池化和 ArcFace loss。
2、部分特征匹配运用 Ransac 办法。
点击重视，第一时间了解华为云新鲜技术~
