基于细粒度深度学习的图像检索
随着多媒体技术的快速发展,图像数据量呈几何级数增长,如何快速有效地检索图像成为国内外研究热点.本文提出了一种细粒度深度学习方法来进行图像检索.这一方法的基本思路是设计基于三元排序组的损失函数来微调深层模型,以得到更好的图像检索排序结果,即将排序函数学习隐式嵌入到所学特征表达中.具体而言,该方法同时结合细粒度特征学习(基于图像子块的卷积神经网络)和标签敏感特征学习(基于三元排序组损失函数)来对卷积神经网络进行调优.在两个基准数据集上所得到的NDCG@k和Top-k结果体现了该方法的优越性.
图像检索 深度学习 卷积神经网络 三元排序组
廖彬兵 宋骏 吴飞 庄越挺
浙江大学计算机科学与技术学院,杭州310027浙江省大数据智能计算重点实验室
国内会议
葫芦岛
中文
24-27
2015-09-11（万方平台首次上网日期，不代表论文的发表时间）