论质心在图像检索中出乎有效的有效性

图像检索任务旨在从一组画廊（数据库）图像中找出与查询图像相似的图像。此类系统用于多种应用，例如行人重识别（ReID）或视觉商品检索。尽管检索模型不断发展，该任务仍具挑战性，主要源于视角、光照、背景杂乱或遮挡引起的较大类内方差，而类间方差可能相对较低。当前大量研究聚焦于构建更鲁棒的特征和修改基于三元组损失（Triplet Loss）的目标函数。部分工作尝试使用类的质心/代理表示，以缓解三元组损失带来的计算速度问题与难样本挖掘问题。然而，这些方法仅用于训练，在检索阶段被丢弃。本文提出在训练与检索阶段均使用均值质心表示。这种聚合表示对离群点更鲁棒，并保证更稳定的特征。由于每个类由单一嵌入——类质心——表示，检索时间与存储需求均显著降低。聚合多个嵌入通过减少候选目标向量数量大幅缩减搜索空间，使该方法尤其适合生产部署。在两个 ReID 与时尚检索数据集上的综合实验证明了本方法的有效性，其优于当前最先进水平。我们提出质心训练与检索作为时尚检索与 ReID 应用的可行方法。