CNN图像检索从BoW中学习：基于困难样本的无监督微调
计算机视觉与模式识别
2016-09-08 v3
摘要
卷积神经网络(CNNs)在许多计算机视觉任务中取得了最先进的性能。然而，这一成就之前需要极端的手动标注，以便进行从头训练或针对目标任务的微调。在这项工作中，我们提出以完全自动化的方式，从大量无序图像集合中微调CNN用于图像检索。我们采用最先进的检索和运动恢复结构(Structure-from-Motion, SfM)方法获取3D模型，用于指导CNN微调训练数据的选择。我们表明，困难正样本和困难负样本均提升了在紧凑码特定目标检索中的最终性能。
引用
@article{arxiv.1604.02426,
title = {CNN Image Retrieval Learns from BoW: Unsupervised Fine-Tuning with Hard Examples},
author = {Filip Radenović and Giorgos Tolias and Ondřej Chum},
journal= {arXiv preprint arXiv:1604.02426},
year = {2016}
}
备注
ECCV 2016