1
深度卷积特征能够为图像内容描述提供丰富的语义信息,为了在图像表示中突出对象内容,结合激活映射中较大响应值与对象区域的关系,提出基于多中心卷积特征加权的图像表示方法。首先,通过预训练深度模型提取出图像卷积特征;其次,通过不同通道特征映射求和得到激活映射,并将激活映射中有较大响应值的位置认为是对象的中心;再次,将中心数量作为尺度,结合激活映射中不同位置与中心的距离为对应位置的描述子加权;最后,合并不同中心数量下的图像特征,生成图像表示用于图像检索。与池化卷积( SPoC)算法和跨维度(CroW)算法相比,所提方法能够为图像表示提供尺度信息的同时突出对象内容,并在Holiday、Oxford和Paris图像集中取得了良好的检索结果。
在互联网技术高速发展的今天,基于内容的图像检索越来越受到人们的关注。图像检索过程主要分为图像表示阶段、过滤阶段和二次重排序阶段[1-2]。图像表示阶段主要通过对图像的局部或者全局特征的加工生成代表图像内容的向量;过滤阶段用于计算待查询图像与图像库中所有图像的相似度,并按照相似度排序返回查询结果;二次重排序阶段主要用于对返回的相似度高的结果再次提纯。图像内容表示的优劣直接决定着图像检索的性能,因此长久以来为研究者所重视。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !