5 實驗
5.1 數據集和評估方法
我們報告兩個公開可用的數據集的結果。
匹茲堡（Pitts250k）[81]包含250k數據庫圖像從Google Street View下載和24k測試圖，從街景視圖生成但在不同時間生成，
相隔數年。
我們將此數據集分爲三個大致相等的培訓，驗證和測試的各個部分，每個部分都包含大約83k數據庫圖像和8k查詢，他們都通過地理上的劃分，以確保是每個合集都包含獨立的圖像
爲了促進更快的培訓，對於某些實驗，使用較小的子集（Pitts30k），其中包含每個訓練/驗證（測試）/測試中有10k數據庫圖像
集合，這些集合在地理位置上也不相交。
東京24/7 [80]包含76k數據庫圖像和315個使用手機相機拍攝的查詢圖像。
這是極富挑戰性的數據集，在其中進行查詢圖片如上所述，數據採集自白天傍晚和晚上，而數據庫訓練圖像僅有白天，因爲它們源自Google街景視圖。
爲了形成訓練和驗證，我們使用Time Machine功能收集了東京的其他Google街景全景圖，並將其命名爲TokyoTM；
東京24/7（測試）和東京TM訓練和驗證在地理位置上都不相交。有關拆分的更多詳細信息，請參見附錄B。
評估指標。我們遵循標準的位置識別評估程序[4，24，65，80，81]。
如果前N個檢索到的數據庫圖像中至少有一個距離查詢的地面真實位置d = 25米以內，則認爲查詢圖像已正確定位。
然後針對不同的N值繪製正確識別的查詢（召回）的百分比。
對於Tokyo 24/7，我們遵循[80]並在排名數據庫上執行空間非最大抑制評估前的圖像。
實施細節。我們使用兩個基本體系結構，這些體系結構通過最大池化（fmax）和我們的NetVLAD（fV LAD）層進行了擴展：AlexNet [37]和VGG-16 [73]；
兩者都在ReLU之前的最後一個卷積層（conv5）上裁剪。對於NetVLAD，我們使用K = 64得出兩種基本體系結構的16k和32k-D圖像表示形式。
初始化程序，用於訓練的參數，用於訓練元組的採樣程序以及其他實現細節在附錄A中給出。
所有培訓和評估代碼以及我們受過培訓的網絡都可以在[1]上在線查看。