基于图卷积的高效视觉检索重排序方法
计算机视觉与模式识别
2023-06-16 v1
摘要
图像检索与行人重识别（Re-ID）等视觉检索任务旨在有效且全面地搜索具有相似内容或同一身份的图像。在获得检索样本后，重排序是一种被广泛采用的后期处理步骤，其利用语义相邻样本的上下文信息对初始检索结果进行重排与改进。主流重排序方法更新距离度量，且在计算基于扩展邻域的距离时大多依赖于低效的交叉核对集比较操作。本文提出一种高效重排序方法，通过更新特征来精炼初始检索结果。具体而言，我们基于图卷积网络（GCN）重新形式化重排序，并针对视觉检索任务通过特征传播提出一种新颖的基于图卷积的重排序（GCR）方法。为加速大规模检索计算，引入了支持并行或分布式计算的去中心化同步特征传播算法。特别地，将基础 GCR 扩展至跨摄像头检索，并提出改进的特征传播公式以利用跨摄像头的亲和关系。该方法还被扩展至基于视频的检索，通过数学推导轨迹片段的新型轮廓向量生成方法，提出基于图卷积的视频重排序（GCRV）。无需额外技巧，所提方法在来自图像检索、行人 Re-ID 和基于视频的行人 Re-ID 三种不同任务的七个基准数据集上取得了最先进的性能。
引用
@article{arxiv.2306.08792,
title = {Graph Convolution Based Efficient Re-Ranking for Visual Retrieval},
author = {Yuqi Zhang and Qi Qian and Hongsong Wang and Chong Liu and Weihua Chen and Fan Wang},
journal= {arXiv preprint arXiv:2306.08792},
year = {2023}
}
备注
Code is publicly available: https://github.com/WesleyZhang1991/GCN_rerank