利用深度网络的局部特征进行图像检索
计算机视觉与模式识别
2015-05-01 v2
摘要
深度卷积神经网络已成功应用于图像分类任务。当将这些相同的网络应用于图像检索时，通常假设其最后一层能提供最佳性能，正如在分类任务中那样。我们表明，对于实例级图像检索，卷积神经网络中的较低层往往比最后一层表现更好。我们提出了一种从网络不同层提取卷积特征的方法，并采用 VLAD 编码将特征编码为每张图像的单个向量。我们利用最新的深度网络 OxfordNet 和 GoogLeNet，研究了不同层和输入图像尺度对卷积特征性能的影响。实验表明，与最后一层相比，中间层或具有更细尺度的高层能产生更好的图像检索结果。当使用压缩的 128 维 VLAD 描述符时，我们的方法取得了最先进（state-of-the-art）的结果，并在三个测试数据集中的两个上优于其他基于 VLAD 和 CNN 的方法。我们的工作为将训练用于图像分类的深度网络迁移到图像检索任务提供了指导。
引用
@article{arxiv.1504.05133,
title = {Exploiting Local Features from Deep Networks for Image Retrieval},
author = {Joe Yue-Hei Ng and Fan Yang and Larry S. Davis},
journal= {arXiv preprint arXiv:1504.05133},
year = {2015}
}
备注
CVPR DeepVision Workshop 2015