面向大规模商标检索的基于部件的注意力机制
计算机视觉与模式识别
2019-12-16 v2 信息检索
机器学习
摘要
随着国际商标侵权行为的增多，对大规模商标检索（TR）系统的需求显著增长。遗憾的是，当前使用手工设计或预训练深度卷积神经网络（DCNN）特征的方法，其排序精度不足以支撑大规模部署。本文表明，通过引入硬注意力和软注意力机制，可显著提升TR系统的排序精度，这些机制将注意力导向图形要素等关键信息和减少了对文本、背景等干扰性及无信息要素的注意力。我们提出的方法在一个具有挑战性的大规模商标数据集上取得了最先进的结果。
引用
@article{arxiv.1811.02746,
title = {Component-based Attention for Large-scale Trademark Retrieval},
author = {Osman Tursun and Simon Denman and Sabesan Sivapalan and Sridha Sridharan and Clinton Fookes and Sandra Mau},
journal= {arXiv preprint arXiv:1811.02746},
year = {2019}
}
备注
Fix typos related to authors' information