基于深度特征图的跨域图像匹配
计算机视觉与模式识别
2019-02-18 v2
摘要
我们研究自动判定犯罪现场发现的印记由何种鞋类留下的问题。这一识别问题因犯罪现场证据类型的多变性（从硬表面上灰尘或油渍的痕迹到土壤中的印记）以及缺乏全面的鞋底花纹数据库而变得困难。我们发现，预训练卷积神经网络提取的中层特征作为该专门领域的描述子出奇地有效。然而，将样本与查询图像进行匹配的相似度度量选择对良好性能至关重要。针对多通道深度特征的匹配，我们提出使用多通道归一化互相关并分析其有效性。我们提出的度量显著提升了犯罪现场鞋印与实验室测试印记的匹配性能。我们还展示了它在其他跨域图像检索问题中的有效性：将立面图像与分割标签匹配，以及将航拍照片与地图图像匹配。最后，我们引入一种判别训练的变体，并通过我们提出的度量对系统微调，取得了最先进的性能。
引用
@article{arxiv.1804.02367,
title = {Cross-Domain Image Matching with Deep Feature Maps},
author = {Bailey Kong and James Supancic and Deva Ramanan and Charless C. Fowlkes},
journal= {arXiv preprint arXiv:1804.02367},
year = {2019}
}