Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

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

Rethinking the Rotation Invariance of Local Convolutional Features for Content-Based Image Retrieval Memikirkan Semula Invarian Putaran Ciri Konvolusi Setempat untuk Pengambilan Imej Berasaskan Kandungan

Longjiao ZHAO, Yu WANG, Jien KATO

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Baru-baru ini, ciri tempatan yang dikira menggunakan rangkaian neural convolutional (CNN) menunjukkan prestasi yang baik untuk mendapatkan semula imej. Ciri konvolusi tempatan yang diperolehi oleh CNN (ciri LC) direka bentuk untuk menjadi invarian terjemahan, walau bagaimanapun, ia sememangnya sensitif terhadap gangguan putaran. Ini membawa kepada kesilapan penghakiman dalam tugas mendapatkan semula. Dalam kerja ini, objektif kami adalah untuk meningkatkan keteguhan ciri LC terhadap putaran imej. Untuk melakukan ini, kami menjalankan penilaian percubaan menyeluruh terhadap tiga strategi anti-putaran calon (pembesaran data dalam model, penambahan ciri dalam model dan penambahan ciri pasca model), ke atas dua jenis serangan putaran (serangan set data dan serangan pertanyaan. ). Dalam prosedur latihan, kami melaksanakan protokol penambahan data dan kaedah penambahan rangkaian. Dalam prosedur ujian, kami membangunkan kaedah pengekstrakan ciri konvolusi berubah tempatan (LTC) dan menilainya melalui konfigurasi rangkaian yang berbeza. Kami menamatkan satu siri amalan baik dengan sokongan kuantitatif yang mantap, yang membawa kepada strategi terbaik untuk pengiraan ciri LC dengan invarian putaran tinggi dalam pengambilan imej.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E104-D No.1 pp.174-182
Tarikh penerbitan
2021/01/01
Diumumkan
2020/10/14
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2020EDP7017
Jenis Manuskrip
PAPER
kategori
Pemprosesan Imej dan Pemprosesan Video

Pengarang

Longjiao ZHAO
  Nagoya University
Yu WANG
  Ritsumeikan University
Jien KATO
  Ritsumeikan University

Kata kunci

Contents [show]