REMAP：用于图像检索的密集 CNN 特征多层熵引导池化
计算机视觉与模式识别
2019-06-18 v1
摘要
本文解决超大规模图像检索问题，着重提升其准确性与鲁棒性。我们旨在增强搜索对光照、物体外观与尺度变化、局部遮挡及背景杂乱等因素的鲁棒性——当在具有显著可变性的超大数据集上执行检索时，这一点尤为重要。我们提出了一种新颖的基于 CNN 的全局描述子，称为 REMAP，它学习并聚合来自多个 CNN 层的深度特征层次，并以三元组损失进行端到端训练。REMAP 显式地学习在各种视觉抽象语义层次上相互支持且互补的判别性特征。这些密集局部特征在聚合为单一图像级描述子之前，于各层内多尺度重叠区域中进行空间最大池化。为识别对检索有用的语义区域与层，我们提出利用 KL 散度度量每个区域与层的信息增益。我们的系统能在训练中有效学习各区域与层的有用程度并相应加权。我们表明，这种相对熵引导的聚合优于由 SGD 控制的经典基于 CNN 的聚合。整个框架以端到端方式训练，优于最新的 SOTA 结果。在图像检索数据集 Holidays、Oxford 和 MPEG 上，REMAP 描述子分别取得 95.5%、91.5% 和 80.1% 的 mAP，优于迄今发表的任何结果。REMAP 也构成了 Kaggle 上 Google Landmark Retrieval Challenge 获胜提交的核心。
引用
@article{arxiv.1906.06626,
title = {REMAP: Multi-layer entropy-guided pooling of dense CNN features for image retrieval},
author = {Syed Sameed Husain and Miroslaw Bober},
journal= {arXiv preprint arXiv:1906.06626},
year = {2019}
}
备注
Submitted to IEEE Trans. Image Processing on 24 May 2018, published 22 May 2019