跨维度加权聚合深度卷积特征

我们提出了一种简单而直接的方法，通过跨维度加权和聚合深度卷积神经网络层输出来创建强大的图像表示。首先，我们介绍了一个通用框架，该框架涵盖了广泛的方法，并包括跨维度池化和加权步骤。接着，我们提出了特定的非参数方案，分别用于空间和通道加权，以增强高度活跃的空间响应的效果，同时调节突发效应。我们在不同的公共数据集上进行了图像搜索实验，结果表明我们的方法在基于预训练网络的方法中优于当前最先进的技术。此外，我们还提供了一个易于使用的开源实现，可以复现我们的研究结果。