基于深度卷积特征的图像实例检索方法

摘要：

针对计算机视觉领域的图像实例检索问题,提出了一种从卷积神经网络提取图像全局特征表示和目标对象区域特征表示的图像实例检索方法.该方法首先利用区域生成网络学习目标实例的区域位置坐标,并结合相关卷积网络提取的图像区域特征构建由过滤阶段和空间重排阶段组成的实例检索系统.在此基础上提出过滤阶段和空间重排两阶段查询扩展方法进一步提高系统检索性能.最后,提出了两种微调网络模型策略,更新网络前两个卷积层后所有层的权重以适应图像实例检索和位置坐标.通过在两个公用实例检索数据集(Oxford Buildings 5k和Paris Buildings 6k)上进行详尽实验验证,结果表明,提出的基于深度卷积特征的图像实例检索方法有效地提高了图像实例检索的准确率和可靠性,降低了实例检索误检率,得到的实例位置更加准确.

关键词：图像处理、图像检索、卷积神经网络、特征提取、池化、空间重排

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技厅科技成果转化项目;四川省科技创新苗子工程项目

在线出版日期：2020-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：275-282