基于实例的图像检索中对比模型的评估
计算机视觉与模式识别
2021-05-03 v1
摘要
本工作中，我们评估用于图像检索任务的对比模型。我们假设，通过判别学习编码实例间语义相似性的模型应在图像检索任务中表现良好，其中相关性由同一对象的实例定义。通过广泛的评估，我们发现采用对比方法训练的模型表征在各种配置下的检索任务中表现与在 ImageNet 标签上预训练的监督基线相当（甚至更优）。鉴于对比模型无需显式监督，此结果引人注目。因此，我们得出结论：这些模型可用于引导基础模型以构建更鲁棒的图像检索引擎。
引用
@article{arxiv.2104.14939,
title = {Evaluating Contrastive Models for Instance-based Image Retrieval},
author = {Tarun Krishna and Kevin McGuinness and Noel O'Connor},
journal= {arXiv preprint arXiv:2104.14939},
year = {2021}
}
备注
Accepted In Proceedings of the 2021 International Conference on Multimedia Retrieval (ICMR 21)