一种通过分析深度神经网络层激活实现图像检索描述子生成的新方法
计算机视觉与模式识别
2020-07-15 v1
摘要
本文研究基于深度神经网络的内容图像检索任务中描述子的构建问题。基于全连接层激活的神经编码思想，通过融入卷积层所含信息得以扩展。已知网络卷积部分的神经元总数庞大，且其中大多数对最终分类决策影响甚微。因此，本文提出一种新算法，可提取最具显著性的神经元激活并利用该信息构建有效描述子。由全连接层与卷积层取值共同构成的描述子完美表征了整幅图像内容。使用这些描述子检索出的图像在语义上与查询图像高度匹配，且在背景、纹理或颜色分布等其他次要图像特征上也相似。所提描述子的这些特性基于 IMAGENET1M 数据集并使用 VGG16 神经网络进行了实验验证。
引用
@article{arxiv.2007.06624,
title = {A new approach to descriptors generation for image retrieval by analyzing activations of deep neural network layers},
author = {Paweł Staszewski and Maciej Jaworski and Jinde Cao and Leszek Rutkowski},
journal= {arXiv preprint arXiv:2007.06624},
year = {2020}
}
备注
8