草图图像分析：基于 LSH 索引与 DNN InceptionV3 的网络图像搜索引擎
计算机视觉与模式识别
2021-05-05 v1
摘要
采用合适的近似相似性搜索方法是开发快速高效 CBIR 系统的基本前提，尤其在处理大量数据时。本研究在局部敏感哈希（LSH）索引之上实现了一个网络图像搜索引擎，以对深度特征进行快速相似性搜索。具体而言，我们利用迁移学习从图像中提取深度特征。首先，我们采用在 ImageNet 上预训练的 InceptionV3 作为特征提取器；其次，我们在 InceptionV3 之上构建了若干 CNN 作为卷积基，并在我们的数据集上微调。在上述两种情况下，我们将提取的特征索引到我们的 LSH 索引实现中，以比较有微调与无微调的检索性能。在我们的方法中，我们尝试了两种不同的 LSH 实现：第一种处理实数特征向量，第二种处理这些向量的二值转置版本。有趣的是，使用二值 LSH 时我们获得了最佳性能，在平均精度均值方面达到了通过对特征顺序扫描所获得的几乎相同的结果，从而避免了 LSH 索引引入的偏差。最后，我们按类别进行了以召回率对 mAP 的性能分析，正如预期，凸显了两者间的强正相关。
引用
@article{arxiv.2105.01147,
title = {Sketches image analysis: Web image search engine usingLSH index and DNN InceptionV3},
author = {Alessio Schiavo and Filippo Minutella and Mattia Daole and Marsha Gomez Gomez},
journal= {arXiv preprint arXiv:2105.01147},
year = {2021}
}