Written by
iaalm
on
on
ASMK
今天开始看《To aggregate or not to aggregate: Selective match kernels for image search 》，俗称asmk
文章开始形式化得描述了一下BoF。对于其中的距离，余弦是最简单的形式，然后是汉明嵌入，VLAD，
Burstiness ，主要是为了引出他的方法。
在两张图片的每一个cell中的特征进行相似性比较之前，先对每一张图的每一个cell中的特征进行一次聚合操作，聚合为更少的特征后，进行相似性比较。
然后是selective match model
asmk就是aggress的SMK
SMK的selective体现在其使用的在非线性选择函数上，对于过于低的匹配，直接视作0，避免大量cell相似度叠加形成的误差。
利用VLAD类似的方法，把与每个cell中的词与中心点之间的差加和，以这个和（l2正则化后）作为该cell的特征。目的上应该是为了在一个cell中表现出其自身的偏向，一定程度上弥补word在cell中分布不同产生的偏差，另外就是起到burst的功能。其实相比burst对于标准smk的提升，asmk的提升并不显著。
不过关于VLAD与ASMK之间的差别，还是有电不明确的，回头再去看一下VLAD。