view in publisher's site

Co-occurrence of deep convolutional features for image search

Image search can be tackled using deep features from pre-trained Convolutional Neural Networks (CNN). The feature map from the last convolutional layer of a CNN encodes descriptive information from which a discriminative global descriptor can be obtained. We propose a new representation of co-occurrences from deep convolutional features to extract additional relevant information from this last convolutional layer. Combining this co-occurrence map with the feature map, we achieve an improved image representation. We present two different methods to get the co-occurrence representation, the first one based on direct aggregation of activations, and the second one, based on a trainable co-occurrence representation. The image descriptors derived from our methodology improve the performance in very well-known image retrieval datasets as we prove in the experiments.

وقوع همزمان ویژگی‌های کانولوشن عمیق برای جستجوی تصویر

جستجوی تصویر را می توان با استفاده از ویژگی‌های عمیق شبکه‌های عصبی کانولوشن از پیش آموزش‌دیده حل کرد (سی ان ان). نقشه ویژگی از آخرین لایه کانولوشن از سی ان ان، اطلاعات توصیفی را رمزگذاری می‌کند که از آن یک توصیفگر جهانی افتراقی را می توان به دست آورد. ما یک نمایش جدید از رخدادهای مشترک از ویژگی‌های کانولوشن عمیق برای استخراج اطلاعات مربوطه اضافی از این آخرین لایه کانولوشن ارائه می‌دهیم. با ترکیب این نقشه هم‌وقوعی با نقشه ویژگی، به نمایش تصویر بهبود یافته دست می‌یابیم. ما دو روش مختلف را برای به دست آوردن نمایش هم‌وقوعی ارائه می‌دهیم، روش اول براساس تجمع مستقیم فعالیت‌ها و روش دوم براساس نمایش هم‌وقوعی قابل آموزش. توصیف‌کننده‌های تصویر به‌دست‌آمده از روش ما، عملکرد را در مجموعه داده‌های بازیابی تصویر بسیار معروف بهبود می‌بخشند، همانطور که در آزمایش‌ها اثبات می‌کنیم.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Computer Vision and Pattern Recognition
  • ترجمه مقاله Computer Vision and Pattern Recognition
  • مقاله بینایی کامپیوتری و تشخیص الگو
  • ترجمه مقاله بینایی کامپیوتری و تشخیص الگو
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.