基于群卷积度量学习的旋转不变航空图像检索
计算机视觉与模式识别
2020-10-20 v1
摘要
遥感图像检索（RSIR）是根据与查询图像的相似程度对数据库图像排序的过程。由于遥感传感器在拍摄距离、角度和位置上的多样性导致 RSIR 复杂性增加，对解决这些问题并提升检索性能的方法需求日益增长。本文中，我们提出一种通过将群卷积与注意力机制及度量学习相融合来检索航空图像的新方法，从而实现对旋转变化的鲁棒性。为精炼并突出重要特征，我们在每个群卷积阶段施加了通道注意力。利用群卷积与通道注意力的特性，可以识别旋转后但位置相同的图像之间的等价性。训练过程包含两个主要步骤：(i) 使用航空图像数据集（AID）进行网络分类训练，(ii) 使用三元组损失在 Google Earth South Korea 与 NWPU-RESISC45 数据集上微调网络以用于检索。结果表明，所提方法在旋转与原始环境下的性能均超越其他 SOTA 检索方法。此外，我们利用类激活图（CAM）可视化了我们的方法与基线在主要特征上的明显差异，从而在旋转环境中具有更好的适应性。
引用
@article{arxiv.2010.09202,
title = {Rotation Invariant Aerial Image Retrieval with Group Convolutional Metric Learning},
author = {Hyunseung Chung and Woo-Jeoung Nam and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2010.09202},
year = {2020}
}
备注
8 pages, 5 figures, Accepted in ICPR 2020