面向实例识别的无监督物体发现
计算机视觉与模式识别
2018-01-25 v2
摘要
严重的背景杂波对许多计算机视觉任务（包括大规模图像检索）构成了挑战。全局描述子因其内存和搜索效率而广受欢迎，但尤其容易受到此类杂波的干扰。消除杂波对图像描述子的影响增加了检索到相关图像的机会，并防止了在查询扩展情况下因实际检索到杂波而导致的主题漂移。在本文中，我们提出了一种新颖的显著区域检测方法。该方法以无监督的方式捕捉数据集中既具有判别性又具有共性的模式。显著性基于由数据集图像的区域 CNN 表示构建的最近邻图的中心性度量。源自显著区域的描述子改进了特定物体检索，在包含小物体的大型集合中效果尤为明显。
引用
@article{arxiv.1709.04725,
title = {Unsupervised object discovery for instance recognition},
author = {Oriane Siméoni and Ahmet Iscen and Giorgos Tolias and Yannis Avrithis and Ondrej Chum},
journal= {arXiv preprint arXiv:1709.04725},
year = {2018}
}