图像检索技术综述：数据增强与对抗学习方法
计算机视觉与模式识别
2024-09-04 v1
摘要
图像检索是计算机视觉中的一个关键研究主题，具有广泛的应用前景，从线上商品搜索到安防监控系统。近年来，随着深度学习技术的进步，图像检索的准确率和效率有了显著提升。然而，现有方法仍面临诸多挑战，尤其是处理大规模数据集、跨域检索以及因现实条件（如光照变化、遮挡、视角变化等）引起的图像扰动。数据增强技术和对抗学习方法已在图像检索领域得到广泛应用，以应对上述挑战。数据增强通过生成更具多样性的训练样本、模拟现实中的各种变化并减少过拟合，来增强模型的泛化能力和鲁棒性。而对抗攻击与对抗防御则通过引入扰动来提高模型对潜在攻击的鲁棒性，确保在实际应用中的可靠性。本综述全面总结了图像检索的最新研究进展，特别关注数据增强和对抗学习技术在提升检索性能中的作用。同时，本文也讨论了未来的研究方向与潜在挑战。
引用
@article{arxiv.2409.01219,
title = {A Review of Image Retrieval Techniques: Data Augmentation and Adversarial Learning Approaches},
author = {Kim Jinwoo},
journal= {arXiv preprint arXiv:2409.01219},
year = {2024}
}