基于最近邻图的查询扩展学习
计算机视觉与模式识别
2021-12-07 v1
摘要
查询扩展（QE）是一种在图像检索应用中改善检索指标的成熟方法。使用 QE 时，检索是在一个新查询向量上进行的，该向量由查询与数据库中图像通过聚合函数构造。近期工作提出了聚合函数可学习的 QE 技术，而先前技术基于手工设计的聚合函数，例如取查询最近邻的均值。然而，多数 QE 方法聚焦于直接在查询及其直接最近邻上操作的聚合函数。本文提出一种层次化模型——图查询扩展（GQE），它以监督方式学习，并在查询的扩展邻域上执行聚合，从而在计算查询扩展时增加来自数据库的信息利用，并使用最近邻图的结构。该技术在已知基准上取得了 SOTA 结果。
引用
@article{arxiv.2112.02666,
title = {Learning Query Expansion over the Nearest Neighbor Graph},
author = {Benjamin Klein and Lior Wolf},
journal= {arXiv preprint arXiv:2112.02666},
year = {2021}
}
备注
BMVC 2021