图像检索的神经编码
计算机视觉与模式识别
2014-07-08 v2
摘要
已有研究表明，图像在大型卷积神经网络顶层所激发的激活值提供了该图像视觉内容的高层描述符。本文研究了此类描述符（神经编码）在图像检索应用中的使用。在多个标准检索基准的实验中发现，即使卷积神经网络是针对无关分类任务（如ImageNet）训练的，神经编码也表现出具有竞争力的性能。我们还评估了当网络在与测试时遇到的图像相似的图像数据集上重新训练时，神经编码检索性能的提升。进一步地，我们评估了压缩神经编码的性能，并表明简单的PCA压缩能提供非常优秀的短编码，在多个数据集上达到最先进的精度。总体而言，与其他最先进的描述符相比，神经编码对此类压缩的鲁棒性更强。最后，我们展示了在匹配照片对数据集上训练的判别性降维能进一步提升PCA压缩神经编码的性能。总之，我们的定量实验证明了神经编码作为图像检索视觉描述符的潜力。
引用
@article{arxiv.1404.1777,
title = {Neural Codes for Image Retrieval},
author = {Artem Babenko and Anton Slesarev and Alexandr Chigorin and Victor Lempitsky},
journal= {arXiv preprint arXiv:1404.1777},
year = {2014}
}
备注
to appear at ECCV 2014