基于深度学习的 JPEG 压缩域图像检索
图像与视频处理
2021-07-09 v1 计算机视觉与模式识别
摘要
像素域上的基于内容的图像检索（CBIR）系统利用颜色、纹理和形状等低级特征来检索图像。在此背景下，文献中研究了两类图像表示，即局部与全局图像特征。从像素图像中提取这些特征并与数据库中的图像进行比较非常耗时。因此，近年来出现了一些直接在压缩域中以更少计算量完成图像分析的努力。此外，我们日常处理中的大多数图像都以 JPEG 压缩格式存储。因此，如果我们能够直接从部分解码或压缩数据中检索特征并将其用于检索，那将十分理想。在此，我们提出了一种统一的图像检索模型，该模型以 DCT 系数为输入，并在 JPEG 压缩域中高效提取全局与局部特征以实现准确图像检索。实验结果表明，参考平均精度均值（mAP），我们提出的模型性能与以 RGB 特征为输入的当前 DELG 模型相当，同时具有更快的训练与检索速度。
引用
@article{arxiv.2107.03648,
title = {Deep Learning Based Image Retrieval in the JPEG Compressed Domain},
author = {Shrikant Temburwar and Bulla Rajesh and Mohammed Javed},
journal= {arXiv preprint arXiv:2107.03648},
year = {2021}
}
备注
Accepted in MISP2021