用于可扩展实例检索的局部卷积特征词袋
计算机视觉与模式识别
2016-06-21 v1 多媒体
摘要
本工作提出了一种简单的实例检索流水线，基于使用词袋聚合方案（BoW）对CNN的卷积特征进行编码。将卷积层中每个局部激活数组分配给一个视觉词，产生一个分配图，这是一种将图像区域与视觉词相关联的紧凑表示。我们利用该分配图进行快速空间重排序，获得用于查询扩展的目标定位。我们证明了基于局部CNN特征的BoW表示对于实例检索的适用性，在Oxford和Paris建筑基准上取得了有竞争力的性能。我们表明，我们提出的采用BoW的CNN特征聚合系统，在具有挑战性的TRECVid INS基准的一个子集上优于使用求和池化的最先进技术。
引用
@article{arxiv.1604.04653,
title = {Bags of Local Convolutional Features for Scalable Instance Search},
author = {Eva Mohedano and Amaia Salvador and Kevin McGuinness and Ferran Marques and Noel E. O'Connor and Xavier Giro-i-Nieto},
journal= {arXiv preprint arXiv:1604.04653},
year = {2016}
}
备注
Preprint of a short paper accepted in the ACM International Conference on Multimedia Retrieval (ICMR) 2016 (New York City, NY, USA)