Selective Deep Convolutional Features for Image Retrieval
文中提出使用不同的mask进行，去除冗余信息，获得较为精准具有判别性的向量特征，为中使用的mask包含，SIFT-mask, SUM-mask，MAX-mask。 分别通过SIFT以及MAX，SUM pooling来做的。 并且在选择的局部卷积上使用embedding以及aggregating。
局部深度卷积特征
提取卷积层，是哪一层并没有固定的答案，会需要研究。
SIFT Mask
Max Mask
选择出每个feature map最大的激活值
SUM Mask
三种mask保持的信息量多少不同。
其中保留多少依次是SIFT-mask, SUM-Mask, Max-Mask.
嵌入和回归选择卷积特征
第一步对剩余的卷积部分进行，PCA降维。
第二部嵌入，嵌入的方式依然使用的是VLAD以及FV方式。
回归的方法使用的是avg-pooling以及sum-pooling，但是这种判别特性不太明显，大多数选择的是max-pooling。