使用预训练神经网络的基于内容的图像检索
计算机视觉与模式识别
2021-10-28 v1 信息检索
机器学习
摘要
近期图像检索的研究工作多聚焦于以神经网络为核心组件。其他领域的许多论文已表明，训练多个模型并融合其结果可取得良好效果。这是因为单一神经网络模型可能无法从输入中提取充足信息。本文中我们旨在采用不同方法：不使用单一模型，而是使用预训练的 Inception V3 模型，提取其最后全连接层的激活值，构成图像的低维表示。该特征矩阵随后被划分为若干分支，对各分支分别进行特征提取，获得多个展平为向量的特征。此类独立向量再被组合，得到单一组合特征。我们使用包含 200 类鸟类的 CUB200-2011 数据集训练模型，训练准确率达 99.46%，验证准确率达 84.56%。进一步使用 3 分支全局描述子后，验证准确率提升至 88.89%。为此，我们采用了 MS-RMAC 特征提取方法。
引用
@article{arxiv.2110.14455,
title = {CBIR using Pre-Trained Neural Networks},
author = {Agnel Lazar Alappat and Prajwal Nakhate and Sagar Suman and Ambarish Chandurkar and Varad Pimpalkhute and Tapan Jain},
journal= {arXiv preprint arXiv:2110.14455},
year = {2021}
}