SketchMate：面向百万规模人体草图检索的深度哈希方法
计算机视觉与模式识别
2018-04-05 v1
摘要
我们提出一种用于草图检索的深度哈希框架，该框架首次在百万规模人体草图数据集上工作。借助这一大型数据集，我们探究了以往文献中研究不足的若干草图特有属性。不同于遵循传统的草图识别任务，我们引入了草图哈希检索这一新问题，其不仅更具挑战性，也为大规模草图分析提供了更好的测试平台，因为：(i) 需要更细粒度的草图特征学习以容纳风格与抽象程度上的巨大差异，(ii) 同时需学习紧凑的二进制码以实现高效检索。我们网络设计的关键在于嵌入人体草图的独特特征，其中 (i) 采用双分支 CNN-RNN 架构以探索笔画的时间顺序，(ii) 专门设计了一种新颖哈希损失以兼顾草图的时间与抽象特性。通过在 3.8M 草图数据集上实验，我们表明专为静态图像设计的先进哈希模型在时序草图数据上表现不佳。相反，我们的网络不仅在各种码长下提供最佳检索性能，还在零样本设置下及转用于草图识别时展现出最佳泛化性能。此类优越性能有效证明了我们草图专用设计的好处。
引用
@article{arxiv.1804.01401,
title = {SketchMate: Deep Hashing for Million-Scale Human Sketch Retrieval},
author = {Peng Xu and Yongye Huang and Tongtong Yuan and Kaiyue Pang and Yi-Zhe Song and Tao Xiang and Timothy M. Hospedales and Zhanyu Ma and Jun Guo},
journal= {arXiv preprint arXiv:1804.01401},
year = {2018}
}
备注
Accepted by CVPR2018