一、概述
上一篇，利用现成的DCNN模型进行检索。
机器学习笔记 - 结合深度学习的基于内容的图像实例检索 利用现成的DCNN模型进行检索_坐望云起的博客-CSDN博客一种方案是，为分类任务而进行大规模训练的DCNN直接充当图像检索任务的现成特征检测器，也就是说，可以提出在DCNN的基础上进行图像检索，DCNN被训练用于分类，并且其预先训练的参数被冻结。这种方法有局限性，最根本的是任务之间存在模型转移或领域转移的挑战，这意味着为分类训练的模型不一定能提取出非常适合图像检索的特征。特别是，只要特征保持在分类边界内，分类决策就可以成功，然而，来自这样的模型的特征可能显示出不足的检索能力，其中特征匹配本身比分类更重要。https://skydance.blog.csdn.net/article/details/131415155 在源数据集上预先训练用于分类的现成DCNN对类间变异性非常鲁棒。然而，在大多数情况下，基于现成模型提取的深度特征也可能不足以进行准确检索。为了使模型更有效地进行检索，一种常见的做法是网络微调，即更新预先存储的