用于极光图像检索的显著性深度嵌入方法
计算机视觉与模式识别
2018-05-24 v1
摘要
深度神经网络在图像检索领域取得了显著成功。然而，最先进的算法均是在普通相机拍摄的自然图像上训练与测试的。本文旨在探索一种针对圆周鱼眼镜头（尤其是极光图像）拍摄图像的新检索方法。为减少无信息区域的干扰并聚焦于最感兴趣区域，我们提出显著性提议网络（SPN）以替换近期 Mask R-CNN 中的区域提议网络（RPN）。在我们的 SPN 中，锚框中心不以矩形网格方式分布，而呈现球状畸变；此外，锚框方向沿垂直于磁子午线的形变线，完美契合圆周鱼眼镜头的成像原理。在大型极光数据上的大量实验证明了我们的方法在检索精度与效率上的优越性。
引用
@article{arxiv.1805.09033,
title = {Saliency deep embedding for aurora image search},
author = {Xi Yang and Xinbo Gao and Bin Song and Nannan Wang and Dong Yang},
journal= {arXiv preprint arXiv:1805.09033},
year = {2018}
}