一种用于图像拷贝检测的自监督描述子
计算机视觉与模式识别
2022-03-29 v2 密码学与安全
机器学习
摘要
图像拷贝检测是内容审核中的一项重要任务。我们提出了 SSCD，一种基于近期自监督对比训练目标的模型。我们通过改变架构和训练目标将该 method 适配到拷贝检测任务中，包括采用实例匹配文献中的一种池化算子，并将对比学习适配于图像组合的增广方式。我们的方法依赖于一个熵正则项，以促进描述子向量之间的一致分离，并且我们证明这显著提升了拷贝检测准确率。我们的方法生成一个紧凑的描述子向量，适用于现实世界中的网络规模应用。来自背景图像分布的统计信息可以被纳入该描述子中。在最近的 DISC2021 基准上，SSCD 在所有设定下均以巨大优势优于基线拷贝检测模型以及为图像分类设计的自监督架构。例如，SSCD 比 SimCLR 描述子的绝对性能高出 48%。代码见 https://github.com/facebookresearch/sscd-copy-detection。
引用
@article{arxiv.2202.10261,
title = {A Self-Supervised Descriptor for Image Copy Detection},
author = {Ed Pizzi and Sreya Dutta Roy and Sugosh Nagavara Ravindra and Priya Goyal and Matthijs Douze},
journal= {arXiv preprint arXiv:2202.10261},
year = {2022}
}