基于双属性感知排序网络的跨域图像检索
计算机视觉与模式识别
2015-06-01 v1
摘要
我们解决跨域图像检索问题，考虑如下实际应用：给定一张描绘服装图像的用户照片，我们的目标是从在线购物商店检索相同或属性相似的服装物品。这是一个具有挑战性的问题，因为在线购物图像（通常在理想光照/姿态/背景条件下拍摄）与在不受控条件下捕获的用户照片之间存在巨大差异。为解决该问题，我们提出一种双属性感知排序网络（DARN）用于检索特征学习。更具体地，DARN由两个子网络组成，每个域一个，其检索特征表示由语义属性学习驱动。我们表明这种属性引导的学习是检索准确率提升的关键因素。此外，为进一步契合检索问题的本质，我们施加三元组视觉相似性约束以跨两个子网络学习排序。我们工作的另一贡献是一个使网络学习可行的大规模数据集。我们利用客户评论网站爬取了大量在线购物图像及对应的具有细粒度服装属性的离线用户照片，即约450,000张在线购物图像和约90,000张这些在线图像精确的离线对应图像。所有这些图像均采集自真实世界消费者网站，反映了数据模态的多样性，这使得该数据集在学术界独特且罕见。我们广泛评估了不同配置下网络的检索性能。使用所提DARN而非当前仅使用预训练CNN特征的流行方案时，前20检索准确率翻倍（0.570 对比 0.268）。
引用
@article{arxiv.1505.07922,
title = {Cross-domain Image Retrieval with a Dual Attribute-aware Ranking Network},
author = {Junshi Huang and Rogerio S. Feris and Qiang Chen and Shuicheng Yan},
journal= {arXiv preprint arXiv:1505.07922},
year = {2015}
}