大规模图像检索中的技巧基准测试
计算机视觉与模式识别
2020-04-24 v2 信息检索
机器学习
摘要
度量学习已成为实例级图像检索顶尖方法中的关键组成部分，已有诸多相关研究。与此同时，能显著提升性能的预处理与后处理技巧却较少受到关注。此外，我们发现以往多数研究使用小规模数据集以简化流程。由于深度学习模型中特征表示的行为取决于领域与数据两者，理解在大规模环境下当恰当组合检索技巧时模型如何表现十分重要。本文广泛分析了著名的预处理、后处理技巧及其组合对大规模图像检索的影响。我们发现，如2019年Google Landmark检索挑战赛上取得具竞争力结果所证实，恰当使用这些技巧可在不要求复杂架构或不引入损失的情况下显著改善模型性能。
引用
@article{arxiv.1907.11854,
title = {A Benchmark on Tricks for Large-scale Image Retrieval},
author = {Byungsoo Ko and Minchul Shin and Geonmo Gu and HeeJae Jun and Tae Kwan Lee and Youngjoon Kim},
journal= {arXiv preprint arXiv:1907.11854},
year = {2020}
}