基于注意力的查询扩展学习
计算机视觉与模式识别
2020-07-17 v1 机器学习
摘要
查询扩展是图像检索中广泛使用的一种技术，它将原始查询中排名靠前的图像组合为一个扩展查询后重新提交，通常能提高召回率与准确率。查询扩展的一个重要方面是选择恰当的方式将这些图像组合为新查询。有趣的是，尽管查询扩展取得了不容否认的经验性成功，带有各种缺陷的临时方法仍占据主导，而关于如何学习进行查询扩展的研究并不多。本文提出了一个更具原则性的查询扩展框架，其中以判别方式训练一个模型，学习应如何聚合图像以形成扩展查询。在该框架内，我们提出了一种利用自注意力机制有效学习在聚合前于不同图像间传递信息的模型。我们的方法在标准基准上取得了比现有方法更高的准确率。更重要的是，我们的方法是唯一在不同情形下始终展现高准确率的方法，克服了现有方法的缺陷。
引用
@article{arxiv.2007.08019,
title = {Attention-Based Query Expansion Learning},
author = {Albert Gordo and Filip Radenovic and Tamara Berg},
journal= {arXiv preprint arXiv:2007.08019},
year = {2020}
}
备注
Accepted for publication at ECCV2020