打包与填充：耦合多索引用于精确图像检索
计算机视觉与模式识别
2014-04-15 v2
摘要
在基于词袋（BoW）的图像检索中，SIFT视觉词汇的区分能力较低，因此误正匹配频繁发生。除了量化过程中的信息损失，另一个原因是SIFT特征仅描述局部梯度分布。为了解决这个问题，本文提出了一种耦合多索引（c-MI）框架，用于在索引层面进行特征融合。具体来说，互补特征被耦合到多维倒排索引中。c-MI的每个维度对应一种特征，检索过程对在SIFT和其他特征空间中均相似的图像进行投票。具体而言，我们利用局部颜色特征与c-MI的融合。虽然视觉匹配的精度显著提高，但我们采用多重分配来提升召回率。SIFT特征和颜色特征的联合协作显著减少了误正匹配的影响。在多个基准数据集上的大量实验表明，c-MI显著提升了检索精度，同时查询时间仅为基线方法的一半。重要的是，我们证明c-MI与许多先前技术具有良好的互补性。将这些方法组合起来，我们在Holidays和Ukbench数据集上分别获得了85.8%的mAP和3.85的N-S分数，与最先进方法相比表现优异。
引用
@article{arxiv.1402.2681,
title = {Packing and Padding: Coupled Multi-index for Accurate Image Retrieval},
author = {Liang Zheng and Shengjin Wang and Ziqiong Liu and Qi Tian},
journal= {arXiv preprint arXiv:1402.2681},
year = {2014}
}
备注
8 pages, 7 figures, 6 tables. Accepted to CVPR 2014