通过学习相似度函数优化基于内容的图像检索的置顶精度性能指标

本文研究基于内容的图像检索问题。在该问题中，最流行的性能度量是置顶精度度量，而检索系统最重要的组件是用于将查询图像与数据库图像进行比较的相似度函数。然而，迄今为止，尚无已有的相似度学习方法来优化置顶精度度量。为填补此空白，本文提出一种新颖的相似度学习方法来最大化置顶精度度量。我们将此问题建模为一个最小化问题，其目标函数由排在置顶无关图像之后的相关图像的损失与相似度函数参数的平方 Frobenius 范数组合而成。该最小化问题作为二次规划问题求解。在两个基准数据集上的实验表明，当以置顶精度作为性能度量时，所提方法相对于其他相似度学习方法具有优势。