用于短向量大规模图像搜索的多重测量与联合降维——扩展版
计算机视觉与模式识别
2015-04-14 v1
摘要
本文致力于构建一种用于大规模图像及特定物体检索的短向量（128 维）图像表示方法。具体而言，我们研究了多重词典的联合降维方法。我们探讨了多种词典生成技术：不同的 k-means 初始化、不同的描述符变换以及用于描述符提取的不同测量区域。我们的广泛评估表明，不同词典的组合（每种组合以不同但互补的方式划分描述符空间）能显著提升性能，其效果超越了当前最先进水平（state-of-the-art）。
引用
@article{arxiv.1504.03285,
title = {Multiple Measurements and Joint Dimensionality Reduction for Large Scale Image Search with Short Vectors - Extended Version},
author = {Filip Radenovic and Herve Jegou and Ondrej Chum},
journal= {arXiv preprint arXiv:1504.03285},
year = {2015}
}
备注
Extended version of the ICMR 2015 paper