利用深度排序学习细粒度图像相似度
计算机视觉与模式识别
2014-04-21 v1
摘要
学习细粒度图像相似度是一项具有挑战性的任务。它需要捕捉类间和类内的图像差异。本文提出了一种深度排序模型，该模型采用深度学习技术直接从图像中学习相似度度量。它具有比基于手工特征模型更高的学习能力。开发了一种新颖的多尺度网络结构以有效地描述图像。提出了一种高效的三元组采样算法，利用分布式异步随机梯度下降来学习该模型。大量实验表明，所提出的算法优于基于手工视觉特征的模型和深度分类模型。
引用
@article{arxiv.1404.4661,
title = {Learning Fine-grained Image Similarity with Deep Ranking},
author = {Jiang Wang and Yang song and Thomas Leung and Chuck Rosenberg and Jinbin Wang and James Philbin and Bo Chen and Ying Wu},
journal= {arXiv preprint arXiv:1404.4661},
year = {2014}
}
备注
CVPR 2014