人工智能時代,以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)在計算機視覺領(lǐng)域的各項任務(wù)中大放異彩。在圖像檢索方面,基于卷積神經(jīng)網(wǎng)絡(luò)的圖像表示模型表現(xiàn)十分優(yōu)異。然而這種優(yōu)異的表現(xiàn)更多地體現(xiàn)在相似性圖像檢索任務(wù)中,在實例級的圖像檢索任務(wù)中的表現(xiàn)仍缺乏競爭力。實例圖像檢索任務(wù)對技術(shù)的要求更為苛刻,也有具有更廣泛的應(yīng)用前景。本文認為深度方法在圖像檢索方面取得的成果表現(xiàn)平庸的原因主要是存在以下四點問題:1)現(xiàn)有的基于卷積神經(jīng)網(wǎng)絡(luò)框架的實例檢索系統(tǒng)大多都選擇使用已經(jīng)在ImageNet數(shù)據(jù)集上預(yù)訓(xùn)練好的網(wǎng)絡(luò)模型來作為特征提取器,然而ImageNet數(shù)據(jù)集是針對分類（相似性圖像檢索）任務(wù)而設(shè)計的,這樣學(xué)習(xí)出的圖像特征是用來區(qū)分圖片的不同語義類別的,這樣的特征對于類內(nèi)的變異具有較強的魯棒性,但是實例圖像檢索的任務(wù)是去區(qū)分特定的對象,而不是兩張圖片是否屬于相同的語義類別。2)不適合實例圖像檢索的網(wǎng)絡(luò)結(jié)構(gòu)與訓(xùn)練過程。3)沒有充分的利用卷積神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)能力,目前很多方法都只是將卷積神經(jīng)網(wǎng)絡(luò)當(dāng)做一個局部特征提取工具,仍需要進一步對特征進行手工計算得到濾波參數(shù),沒有實現(xiàn)端到端的網(wǎng)絡(luò)模型。4)次優(yōu)的激活函數(shù),大部分進行實... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

近年來實例圖像檢索發(fā)展歷程

第一章緒論局部特征，并采用 VLAD 將每個尺度上的局部特征編碼為該尺度上的圖像特征。最后一部分是將所有尺度的圖像特征連接在一起構(gòu)成最終的圖像特征。MOP-CNN 提取圖像特征的框架見圖 1.2。該篇文章還分別在分類和實例檢索兩個任務(wù)上進行了測試，證明了相比于一般的 CNN 全局特征 MOP-CNN 具有更好的搜索效果。

圖 1. 3 利用卷積層特征并進行 VLAD 編碼特征模型這些通過將 CNN 提取的全局圖像特征利用 VLAD，F(xiàn)V 等算法進行特征編碼的研究方法都取得了不錯的成績，SIFT 特征與 CNN 特征的主要區(qū)別在于后者在每個維度上都有明確的含義，也就是對輸入圖像的特定區(qū)域的濾波器相應(yīng)。因此，除了上面提到的編碼方案以外，對 CNN 特征進行直接池化的技術(shù)也可以產(chǎn)生可以用來區(qū)分實例的特征。這方面的取得重要成果的工作是來自 Tolias[6]等人提出的最大卷積激活（MAC，Maximum activation of convolutions）。在圖像沒有被扭曲或裁剪的情況下MAC 用單個向前傳遞來計算全局描述符，MAC 只計算每個中間映射的最大值，然后把所有這些值串聯(lián)在一個卷積層內(nèi)。在 Tolias 等人在 MAC 的基礎(chǔ)上改進的 R-MA（Regional maximum activation of convolutions）的版本中，使用積分圖算法和最似最大算子進行快速計算。最后局部的 MAC 描述符在一系列歸一化和 PCA 白化的操作下被統(tǒng)一合并。同時也有研究表明，在利用池化技術(shù)直接產(chǎn)生具有區(qū)分度的圖像特征的過程中，在池化之前對每層的特征圖譜分配一定的權(quán)重是非常有用的。Babenko 等


本文編號：3269985