计算机应用研究

作者：苟光磊,朱东旭,杨雨,

单位：重庆理工大学计算机科学与工程学院,重庆400054；

关键词：图像检索,卷积特征聚合,细粒度,k相互近邻,

基金：重庆市基础科学与前沿技术研究项目(cstc2017jcyjAX0144)；重庆理工大学研究生创新计划资助项目(clgycx20202089)；；

针对卷积神经网络（CNN）全连接层得到的是图像类别的全局语义信息，无法有效抑制背景噪声以及表示图像局部的细节信息，导致细粒度图像检索任务中负样本靠前的问题，提出了一种选择性加权来聚合卷积特征并利用k相互最近邻（k-reciprocal nearest neighbor，k-RNN）重排的图像检索方法。该方法主要是通过提取并筛选CNN最后一层特征来聚合形成单维全局特征向量，再引入k相互最近邻算法对检索出的结果进行重排。在细粒度基准数据集CUB-200-2011、室内场景数据集Indoor和普通类别数据集Caltech-101进行验证评估。实验结果表明该方法能够有效改善检索出负样本靠前的问题，相比SCDA方法，该方法检索精度及召回率有显著提升。

来源：2022年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第4期