CNN 与经典特征在图像检索中的比较
计算机视觉与模式识别
2021-03-18 v1
摘要
特征检测器与描述子已成功用于各种计算机视觉任务，例如视频目标跟踪与基于内容的图像检索。许多方法在检测-描述流程的不同阶段使用图像梯度来描述局部图像结构。近来，为了提高性能，这些阶段中的部分或全部已被卷积神经网络（CNN）所替代。检测器被定义为一个选择问题，这使得其作为 CNN 实现更具挑战性。因此它们通常被定义为回归器，将输入图像转换为得分图，并可通过非极大值抑制选取关键点。本文讨论并比较了若干近期使用 CNN 进行关键点检测的方法。实验在基于 CNN 的方法以及一组传统方法上均进行了。除在关键点与描述子上定义的定性度量外，还使用词袋（BoW）模型实现图像检索应用，以确定这些方法在实际中的表现。结果表明，每类特征在不同情境下各有最优。
引用
@article{arxiv.1908.09300,
title = {A Comparison of CNN and Classic Features for Image Retrieval},
author = {Umut Özaydın and Theodoros Georgiou and Michael Lew},
journal= {arXiv preprint arXiv:1908.09300},
year = {2021}
}
备注
5 pages, 3 figures, 3 tables, CBMI 2019