SOLAR：用于图像检索的二阶损失与注意力
计算机视觉与模式识别
2020-08-05 v5 机器学习
摘要
深度学习的近期工作表明二阶信息在许多计算机视觉任务中是有益的。二阶信息既可在空间上下文中强制引入，也可在抽象特征维度上强制引入。在本工作中，我们探索了两个二阶组件。其一聚焦于二阶空间信息以提升图像描述符（局部与全局）的性能。它用于重新加权特征图，从而强调随后用于描述的显著图像位置。第二个组件涉及二阶相似性（SOS）损失，我们将其扩展至用于图像检索的全局描述符，并用于通过难负样本挖掘增强三元组损失。我们在图像检索与图像匹配的两个不同任务和数据集上验证了我们的方法。结果表明我们的两个二阶组件相互补充，在两个任务中均带来显著的性能提升，并在公开基准上取得最先进结果。代码见：http://github.com/tonyngjichun/SOLAR
引用
@article{arxiv.2001.08972,
title = {SOLAR: Second-Order Loss and Attention for Image Retrieval},
author = {Tony Ng and Vassileios Balntas and Yurun Tian and Krystian Mikolajczyk},
journal= {arXiv preprint arXiv:2001.08972},
year = {2020}
}
备注
ECCV 2020