MPFE（MULTIPLE PART-LEVEL FEATURE ENSEMBLE）
21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE AAPD基于注意激活的零件檢測器
特征圖：
21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE 21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE 1 CAD（通道式注意力檢測）：
21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE MP最大池化k-max-pooling
MLP 兩層全連接配接層（編碼通道間關聯資訊）【μ是c維向量？經過兩層全連接配接還是c維？】
softmax标準化
激活圖 ：
21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE 【原理類似MA-CNN，相當于聚類；形式類似SE-net，給特征圖賦權重】
2 PS（部件選擇）：
SCDA
21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE 21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE MPFE多零件級特征內建
21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE Loss
21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE backbone：Inception network 有batch normalization 預訓練，沒有logits layer
是不是輕量級網絡更适合提取了局部特征的檢索模型，防止過拟合？
為了高效獲得局部區域，輸入圖像大小為 512 × 512，然後裁剪到454 × 454.
