用于基于内容图像检索的类特定变分自编码器
计算机视觉与模式识别
2023-04-25 v1
摘要
使用有监督深度学习方法获得的判别性表示在多种基于内容图像检索 (CBIR) 问题上展现出有前景的结果。然而，现有在训练时利用标签的方法试图区分所有可用类别，在检索问题聚焦于感兴趣类别的情况下这并不理想。在本文中，我们为变分自编码器 (VAEs) 提出一种正则化损失，迫使模型聚焦于给定的感兴趣类别。结果，模型学会将属于感兴趣类别的数据与任何其他可能区分开，使 VAE 学习到的潜空间适用于类特定检索任务。所提出的类特定变分自编码器 (CS-VAE) 在三个公共和一个自定义数据集上进行了评估，并与三种相关的基于 VAE 的方法比较性能。实验结果表明，所提方法在域内和域外检索问题上均优于对比方法。
引用
@article{arxiv.2304.11734,
title = {Class-Specific Variational Auto-Encoder for Content-Based Image Retrieval},
author = {Mehdi Rafiei and Alexandros Iosifidis},
journal= {arXiv preprint arXiv:2304.11734},
year = {2023}
}
备注
8 pages, 7 figures, 6 tables, accepted at IJCNN conference