SIFT 遇见 CNN：实例检索十年综述
计算机视觉与模式识别
2017-05-24 v2
摘要
早期，基于内容的图像检索（CBIR）使用全局特征进行研究。自 2003 年以来，基于局部描述子（事实上的 SIFT）的图像检索因 SIFT 在处理图像变换方面的优势而被广泛研究了十余年。最近，基于卷积神经网络（CNN）的图像表示引起了社区越来越多的兴趣，并展示了令人印象深刻的性能。鉴于这一快速发展时期，本文提供了过去十年实例检索的全面综述。提出了两大类方法：基于 SIFT 和基于 CNN 的方法。对于前者，根据码本大小，我们将文献组织为使用大/中/小码本。对于后者，我们讨论三类方法：使用预训练或微调的 CNN 模型，以及混合方法。前两者对图像进行单次网络前向传播，而最后一类采用基于块的特征提取方案。本综述介绍了现代实例检索的里程碑，回顾了不同类别中广泛选择的先前工作，并提供了关于 SIFT 与基于 CNN 方法之间联系的见解。在分析和比较了若干数据集上不同类别的检索性能后，我们讨论了面向通用和专用实例检索的有前景的方向。
引用
@article{arxiv.1608.01807,
title = {SIFT Meets CNN: A Decade Survey of Instance Retrieval},
author = {Liang Zheng and Yi Yang and Qi Tian},
journal= {arXiv preprint arXiv:1608.01807},
year = {2017}
}
备注
Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence