基于稠密深度表示的 VLAD 描述子在基于内容的图像检索中的应用
计算机视觉与模式识别
2018-08-16 v1
摘要
深度学习带来的最新进展改善了图像检索任务的性能。通过卷积神经网络（CNN）中许多可用的卷积层，可以从被评估图像中获得特征的层次结构。在每一步中，提取的图像块比前一层更小且更具代表性。遵循这一思路，本文引入了一种应用于预训练 CNN 提取的特征图上的新检测器。具体而言，该方法增加了特征数量，从而提升了如最著名且常用的 VLAD 嵌入等聚合算法的性能。所提方法在不同的公共数据集上进行了测试：Holidays、Oxford5k、Paris6k 和 UKB。
引用
@article{arxiv.1808.05022,
title = {A Dense-Depth Representation for VLAD descriptors in Content-Based Image Retrieval},
author = {Federico Magliani and Tomaso Fontanini and Andrea Prati},
journal= {arXiv preprint arXiv:1808.05022},
year = {2018}
}