基于深度特征正交性与 Hybrid-Swin-Transformer 的高效大规模图像检索
计算机视觉与模式识别
2021-10-28 v2 机器学习
摘要
我们提出了一种用于大规模地标识别与检索的高效端到端流程。我们展示了如何结合并增强近期图像检索研究中的概念，并引入了两种特别适用于大规模地标识别的架构。讨论了使用 EfficientNet 骨干网络并具有深度正交局部与全局特征融合 (DOLG) 的模型，以及一种新颖的 Hybrid-Swin-Transformer，并给出了如何通过逐步方法和具有动态边距的子中心 arcface 损失来高效训练这两种架构的细节。此外，我们阐述了用于图像检索的一种新颖判别性重排序方法。我们的方法通过赢得 2021 年 Google 地标竞赛的识别与检索赛道而证明了其优越性。
引用
@article{arxiv.2110.03786,
title = {Efficient large-scale image retrieval with deep feature orthogonality and Hybrid-Swin-Transformers},
author = {Christof Henkel},
journal= {arXiv preprint arXiv:2110.03786},
year = {2021}
}