用于实例检索的显著性加权卷积特征
计算机视觉与模式识别
2017-11-30 v1 人工智能
信息检索
摘要
本工作探索注意力模型，以加权局部卷积表示在实例检索任务中的贡献。我们提出了一种基于局部卷积特征包（BLCF）的检索框架，其受益于显著性加权以构建高效的图像表示。使用人类视觉注意力模型（显著性）可在无需进行区域分析或空间验证、也无需任何特征微调的情况下显著提升检索性能。我们研究了不同显著性模型的影响，发现显著性基准上更高的性能并不必然等同于在实例检索任务中使用时性能的改善。所提方法在具有挑战性的 INSTRE 基准上大幅优于当前最优方法，并在 Oxford 和 Paris 基准上取得了与使用现成表示的更复杂方法相似的性能。本项目中使用的源代码可在 https://imatge-upc.github.io/salbow/ 获取。
引用
@article{arxiv.1711.10795,
title = {Saliency Weighted Convolutional Features for Instance Search},
author = {Eva Mohedano and Kevin McGuinness and Xavier Giro-i-Nieto and Noel E. O'Connor},
journal= {arXiv preprint arXiv:1711.10795},
year = {2017}
}