一种用于基于查询的徽标检索的深度单样本网络
计算机视觉与模式识别
2019-07-16 v5
摘要
真实场景图像中的徽标检测是一个重要问题，在广告与营销中有应用。现有通用目标检测方法需要每个徽标类的大量带标注训练数据。这些方法无法满足实际部署中徽标类不断增加的增量需求，因为实际上不可能为新出现的未见徽标提供此类标注数据。本文中，我们采用单样本学习技术，开发了一个易于实现的基于查询的徽标检测与定位系统。给定查询徽标图像，我们的模型在给定目标图像中搜索该徽标，并通过估计二值分割掩码预测徽标的可能位置。所提模型由条件分支和分割分支组成。前者给出给定查询徽标的条件下潜在表示，该表示与分割分支的特征图在多尺度上融合，以在目标图像中找到查询徽标的匹配位置（若存在）。潜在查询表示与分割分支多尺度特征图之间使用简单拼接操作接 1x1 卷积层进行特征匹配，使我们的模型具有尺度不变性。尽管简单，我们的基于查询的徽标检索框架在 FlickrLogos-32 和 TopLogos-10 数据集上相对于不同现有基线取得了更优性能。
引用
@article{arxiv.1811.01395,
title = {A Deep One-Shot Network for Query-based Logo Retrieval},
author = {Ayan Kumar Bhunia and Ankan Kumar Bhunia and Shuvozit Ghose and Abhirup Das and Partha Pratim Roy and Umapada Pal},
journal= {arXiv preprint arXiv:1811.01395},
year = {2019}
}
备注
Accepted in Pattern Recognition, Elsevier(2019)