如需要完整文档点击下方 "点击下载文档" 按钮
针对传统实例搜索方法准确率和视觉相似度低下的问题,提出一种利用卷积神经网络提取图像全局特征和区域特征的实例搜索方法。 该方法经过初步搜索、重排和查询扩展三个阶段实现实例搜索任务,通过微调策略和在重排阶段对特征匹配方法的改进进一步提高检索性能,并将其应用到局部实例搜索任务,即利用残缺图像检索得到整幅图像,在此基础之上,加入在线检索功能。 在 Oxford 5k 和 Paris 6k 两个公开数据集上进行实验验证,结果表明,整幅图像的检索 mAP值和视觉相似度都得到了很大提升,局部实例检索的 mAP 值均高于其他文献中整幅图像的检索,仅比文中整幅图像的检索低 0.032。 因此,提出的实例搜索方法不仅提高了实例搜索的准确率,也增强了目标定位的准确性,同时很好地解决了局部实例搜索问题。
如需要完整文档点击下方 "点击下载文档" 按钮
《基于深度学习的局部实例搜索》
将 完整文档 下载到本地,方便收藏和查阅
文件号:061773
点击下载文档