검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Learning Local Similarity with Spatial Interrelations on Content-Based Image Retrieval 콘텐츠 기반 이미지 검색에 대한 공간적 상관관계를 통한 로컬 유사성 학습

Longjiao ZHAO, Yu WANG, Jien KATO, Yoshiharu ISHIKAWA

  • 조회수

    3

  • 이것을 인용

요약 :

CNN(Convolutional Neural Networks)은 최근 이미지 검색 작업에서 뛰어난 성능을 보여주었습니다. 특히 CNN에서 추출한 Local Convolutional Feature는 뛰어난 판별 능력을 보여줍니다. 이 분야의 최근 연구는 로컬 기능을 전역 기능에 통합하고 두 이미지의 전역 유사성을 평가하는 풀링 방법에 집중되었습니다. 그러나 풀링 방법은 이미지의 로컬 영역 정보와 공간적 관계를 희생하며, 이는 폐색 및 시점 변경에 대한 견고성의 핵심으로 정확하게 알려져 있습니다. 본 논문에서는 pooling 방식 대신 local convolutional feature를 직접 사용하여 결정한 local similarity 기반의 대안적 방식을 제안한다. 구체적으로 먼저 세 가지 형태의 로컬 유사성 텐서(LST)를 정의합니다. 로컬 유사성 텐서(LST)는 로컬 영역에 대한 정보와 이들 간의 공간적 관계를 고려합니다. 그런 다음 LST를 기반으로 유사성 CNN 모델(SCNN)을 구성하여 쿼리와 갤러리 이미지 간의 유사성을 평가합니다. 우리 방법의 이상적인 구성은 지역 영역 크기, 지역 콘텐츠 및 지역 간의 공간적 관계의 세 가지 관점에서 철저한 실험을 통해 모색됩니다. 수정된 오픈 데이터셋(질의 이미지가 차단된 이미지로 제한됨)에 대한 실험 결과는 제안된 방법이 견고성 향상으로 인해 풀링 방법보다 성능이 우수함을 확인합니다. 또한 세 가지 공개 검색 데이터 세트에 대한 테스트는 LST를 기존 풀링 방법과 결합하면 최상의 결과를 얻을 수 있음을 보여줍니다.

발행
IEICE TRANSACTIONS on Information Vol.E106-D No.5 pp.1069-1080
발행일
2023/05/01
공개일
2023/02/14
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2022EDP7163
원고의 종류
PAPER
범주
이미지 처리 및 비디오 처리

작성자

Longjiao ZHAO
  Nagoya University
Yu WANG
  Hitotsubashi University
Jien KATO
  Ritsumeikan University
Yoshiharu ISHIKAWA
  Nagoya University

키워드