利用 CNN 从子图像查找原图像

卷积神经网络已在图像分类、目标检测及其他图像相关任务中达到最优性能。本文提出 CNN 的另一种用途：给定一组图像，再给出一张测试图像，网络可识别该测试图像是先前所给哪张图像的一部分。该任务在某种程度上类似于度量图像相似性，可用简单 CNN 完成。手动循环完成此任务颇为耗时且无法作为通用解。该任务与进行目标检测颇为相似，但后者需大量训练数据，或在滑动窗口情形下耗时良多，而我们的算法可用少得多的样本工作，完全无监督且效率更高。此外，我们说明诸如 K-Means 之类的无监督算法或 K-NN 之类的监督算法均不足以胜任此任务。基本思路是：对每张图像用 CNN 提取图像编码；当测试图像到来时，将其视为原图像的一部分，用同一网络生成编码，计算 Frobenius 范数，若其在容差范围内，则称该测试图像为原图像的一部分。