提出一种适用于图像块匹配的的图像描述子（名字起的很好听，convolutionaldescr iptor，卷积描述子）。图匹配是很多计算机视觉应用领域非常基础的问题。从最近深度学习在目标检测和分类任务取得的成功受到了启发。开发了一个模型，将原始的输入图像块映射成一个低为的特征矢量，那么两个低维特征越小，图像块就越相似，（largeotherwise）。作为一个距离测度，作者选用了L2范数，也就是们说的欧拉距离，这个距离测度很快并广泛用于评价大多数hand-crafteddescr iptors，

利用卷积神经网络在欧式空间下学习高效性能的描述子descr iptor。的方法在四个方面与众不同，1.我们提出了一种渐进的抽样策略，使网络能够在几次的时间内访问数十亿的训练样本。2.从局部匹配问题的基本概念派生而来，我们强调了描述符之间的相对距离。3.对中间特征图进行额外的监督。4.将描述符的紧凑性考虑在内。就是采用L2距离对特征描述子进行度量。收获到了非常好的结果（同期也有相关的工作）。引用的原文更能说明问题：TheproposedL2-NetisaCNNbasedmodelwithoutme

利用卷积神经网络在欧式空间下学习高效性能的描述子descr iptor。的方法在四个方面与众不同，1.我们提出了一种渐进的抽样策略，使网络能够在几次的时间内访问数十亿的训练样本。2.从局部匹配问题的基本概念派生而来，我们强调了描述符之间的相对距离。3.对中间特征图进行额外的监督。 4.将描述符的紧凑性考虑在内。就是采用L2距离对特征描述子进行度量。收获到了非常好的结果（同期也有相关的工作）。引用的原文更能说明问题：TheproposedL2-NetisaCNNba

提出一种适用于图像块匹配的的图像描述子（名字起的很好听，convolutional descr iptor，卷积描述子）。图匹配是很多计算机视觉应用领域非常基础的问题。从最近深度学习在目标检测和分类任务取得的成功受到了启发。开发了一个模型，将原始的输入图像块映射成一个低为的特征矢量，那么两个低维特征越小，图像块就越相似，（large otherwise）。作为一个距离测度，作者选用了L2范数，也就是们说的欧拉距离，这个距离测度很快并广泛用于评价大多数hand-craftedd