局部特征与视觉词在激活值中自然涌现
计算机视觉与模式识别
2019-11-19 v1
摘要
我们提出一种用于图像检索的深度空间匹配(DSM)新方法。初始排序基于通过全局池化从卷积神经网络激活值中提取的图像描述子,正如近期最先进的工作那样。然而,同一稀疏 3D 激活张量也被一组局部特征所近似。这些局部特征随后被鲁棒匹配以近似张量的最优对齐。这一过程无需任何网络修改、额外层或训练。原始图像上不发生局部特征检测。整个过程中不需要局部特征描述子,也不需要视觉词汇。我们通过实验表明,所提方法在不同网络架构和不同全局池化方法的标准基准上均达到最先进的性能。当在全局描述子的近邻图上从空间验证图像发起扩散时,性能提升最大。
引用
@article{arxiv.1905.06358,
title = {Local Features and Visual Words Emerge in Activations},
author = {Oriane Siméoni and Yannis Avrithis and Ondrej Chum},
journal= {arXiv preprint arXiv:1905.06358},
year = {2019}
}