基于关系自监督蒸馏与�凑描述符的图像复制检测
计算机视觉与模式识别
2024-11-12 v5
摘要
图像复制检测是检测参考数据库中任何图像编辑副本的任务。尽管前述方法取得了显著进展，但其网络规模和描述符大小仍是实际应用的短板。本文提出一种新方法，通过轻量化网络和�凑描述符实现竞争性能。利用关系自监督蒸馏将知识从大型网络传递至小型网络，使可训练轻量网络的描述符尺寸更小。我们引入关系自监督蒸馏以实现更小特征空间中的灵活表示，并应用硬负例损失进行对比学习，以防止维度坍缩。在 DISC2021 基准测试中，分别采用 ResNet-50 和 EfficientNet-B0 作为教师模型与学生模型，micro average precision 提升 5.0%/4.9%/5.9%（对应 64/128/256 描述符尺寸），显著优于基线方法。代码已公开于 \href{https://github.com/juntae9926/RDCD}{https://github.com/juntae9926/RDCD}。
引用
@article{arxiv.2405.17928,
title = {Relational Self-supervised Distillation with Compact Descriptors for Image Copy Detection},
author = {Juntae Kim and Sungwon Woo and Jongho Nang},
journal= {arXiv preprint arXiv:2405.17928},
year = {2024}
}
备注
WACV 2025