用于商标检索的片段增强与可微排序
计算机视觉与模式识别
2022-09-14 v2
摘要
商标检索是一个具有挑战性的问题，因为与图像检索任务相比，相似性的定义更为主观，且已知相似性的样本极为稀少。为应对此挑战，本文中我们提出一种简单而有效的基于片段的增强策略，以引入人工相似商标来训练用于商标检索的深度网络。在这一新颖的增强策略中，我们首先在商标中找到片段，并对片段施加旋转、缩放和颜色改变等变换，这与传统的图像级增强策略不同。此外，我们评估了近期提出的基于排序的损失函数 Smooth-AP 是否是学习商标检索相似性的更好方法。在大规模 METU 商标数据集上，我们表明：(i) 与基线模型或图像级增强策略相比，我们的基于片段的增强策略提升了检索性能；(ii) Smooth-AP 确实比传统损失函数更适用于商标检索。
引用
@article{arxiv.2209.02482,
title = {Segment Augmentation and Differentiable Ranking for Logo Retrieval},
author = {Feyza Yavuz and Sinan Kalkan},
journal= {arXiv preprint arXiv:2209.02482},
year = {2022}
}
备注
ICPR2022, Poster Presentation