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检测器
特征图：
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（通道式注意力检测）：
21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE MP最大池化k-max-pooling
MLP 两层全连接层（编码通道间关联信息）【μ是c维向量？经过两层全连接还是c维？】
softmax标准化
激活图 ：
21-ICME-FINE-GRAINED IMAGE RETRIEVAL VIA MULTIPLE PART-LEVEL FEATURE ENSEMBLE 【原理类似MA-CNN，相当于聚类；形式类似SE-net，给特征图赋权重】
2 PS（部件选择）：
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多零件级特征集成
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 预训练，没有logits layer
是不是轻量级网络更适合提取了局部特征的检索模型，防止过拟合？
为了高效获得局部区域，输入图像大小为 512 × 512，然后裁剪到454 × 454.
