用于图像检索的多区域交叉加权聚合深度卷积特征

摘要：

针对依赖图像特征和聚合编码的"以图搜图"方法检索准确率较低的问题, 提出一种基于多区域的交叉加权聚合深度卷积特征描述算法——RCroW. 首先利用目标区域具有较高激活响应的特性标记出目标轮廓位置, 将卷积特征图和目标轮廓掩码图结合生成空间权重矩阵; 然后引入多区域策略, 将空间权重矩阵转变成多区域交叉权重矩阵; 最后利用多区域交叉权重矩阵加权聚合深度卷积特征生成图像特征向量. 在 Oxford5k, Paris6k 和 Holidays 这3个数据集上进行的实验的结果表明, RCroW算法的图像检索平均准确率优于CroW, R-MAC和SPoC等7种算法.

关键词：卷积神经网络、交叉权重、特征提取

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61762024,61363070;广西自然科学基金2016GXNSFAA380054,2017GXNSFDA198050;广西云计算与大数据协同创新中心项目YD17X01

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：658-665