MatchNet: Unifying Feature and Metric Learning for Patch-Based Matching
CVPR 2015
本来都写到一半了，突然笔记本死机了，泪崩！好吧，重新写！本文提出了一种联合的学习patch表示的一个深度网络 和 鲁棒的特征比较的网络结构。与传统的像SIFT特征点利用欧氏距离进行距离计算的方式不同，本文是利用全连接层，通过学习到的距离度量来表示两个描述符的相似性。
本文的贡献点如下：
1. 提出了一个新的利用深度网络架构基于patch的匹配来明显的改善了效果；
2. 利用更少的描述符，得到了比state-of-the-art更好的结果；
3. 实验研究了该系统的各个成分的有效作用，表明，MatchNet改善了手工设计 和 学习到的描述符加上对比函数；
4. 最后，作者 release 了训练的 MatchNet模型。
首先来看本文的网络架构：
主要有如下几个成分：
A. Feature Network.
主要用于提取输入patch的特征，主要根据AlexNet改变而来，有些许变化。主要的卷积和pool层的两段分别有 preprocess layer 和 bottlebeck layer，各自起到归一化数据和降维，防止过拟合的作用。
B: Metric Network.
主要用于feature Comparison，3层fc 加上 softmax。
C: 在训练阶段，特征网络用作“双塔”，共享参数。双塔的输出串联在一起作为度量网络的输入。The entire network is trained on labeled patch-pairs generated from the sampler to minimize the cross-entropy loss. 在预测的时候，这两个子网络A 和 B 方便的用在 two-stage pipeline. 如下图所示：
MatchNet 的具体参数如下表所示，注意Bottleneck 和 FC 中参数的选择。
接下来看看“网络的训练和测试”，即：
特征和度量网络联合的训练，利用随机梯度下降的方法，可以最小化下面的交叉熵损失函数：
其中，yi 是输入pair xi 的0/1标签。1代表匹配。带箭头的 yi 和 1-yi 分别表示 softmax activations，是在FC3 上的两个点v0(xi) 和 v1(xi)计算得来的。计算公式如下：
上面公式中，带箭头的 yi 用来表示公式1中预测标签为1的概率。
由于数据正负样本的不平衡性，会导致实验精度的降低，本文采用采样的训练方法，在一个batchsize中，选择一半正样本，一半负样本进行训练。分别将patch输入给特征塔 和 度量网络，单独的进行训练，分为两个阶段进行。首先，对所有的patch进行特征编码，然后，我们将feature进行成对处理，输入给度量矩阵然后得到其scores。
算法总结：
实验结果贴图：
我的感受：
看完这篇文章，总体来说，有点懵逼！奇怪的是，作者竟然讲的津津有味！还记得开篇，作者说这文章的主要贡献点是提出了一种训练网络提取feature 和 度量feature之间的相似性。Well，提取feature主要体现在“双峰”上，哦，我错了，是“双塔”。这个无可厚非，到了全连接层，就是要得到的feature了。那么，度量feature之间的相似性，体现在哪里呢？哦，对，体现在最后最后的 全连接层上。那么，与传统方法的不同在于，本文的度量方式，并非简单的欧氏距离，而是学出来的。
怎么体现学出来的呢？？？
先从两张图像中提patch，将两种patch分别采样，输给两个提取特征的网络，然后将pool4 的输出降维（通过Bottleneck layer），将“双塔”的输出串联起来，输入到 fc 层，两层fc之后，输入给softmax，此时输出 0 或者 1，分别代表匹配或者不匹配，然后将此结果输出到 交叉熵计算loss，通过这样的方式，完成整个网络的训练，只是此处，提取特征的网络层 和 度量网络 是单独训练的，“双塔”的参数也是共享的。
讲到这里，也许就是这个文章的主要内容了。Ok，该怎么借鉴，就看自己的了。
附一张美照，哈哈，明天实验室整体出动去happy，玩真人 CS 和 烧烤，突然感觉好开心啊。。哈哈。。。
