用于图像检索的深度 Fisher 向量描述子孪生网络
计算机视觉与模式识别
2017-02-02 v1
摘要
本文解决大规模图像检索问题，旨在准确排序大量图像与给定查询图像的相似性。为此，我们提出了一种新颖的孪生网络（Siamese network）。该网络由两条计算链组成，每条包含一个 CNN 组件后接一个 Fisher 向量组件。CNN 组件生成密集的深度卷积描述子，随后由 Fisher 向量方法聚合。关键的是，我们提出同时学习 CNN 滤波器权重和 Fisher 向量模型参数。这使我们能够考虑学习过程中深度描述子分布的演化。我们表明，所提方法在 Oxford 和 Paris 图像检索数据集上相比最先进（SOTA）方法取得了显著改进。此外，我们提供了包含 100 万干扰项时这两个数据集的基线性能度量。
引用
@article{arxiv.1702.00338,
title = {Siamese Network of Deep Fisher-Vector Descriptors for Image Retrieval},
author = {Eng-Jon Ong and Sameed Husain and Miroslaw Bober},
journal= {arXiv preprint arXiv:1702.00338},
year = {2017}
}