登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于全卷积网络的中小目标检索方法
  • 摘要

    基于预训练卷积神经网络(convolutional neural networks,CNNs)的图像表示已成为图像检索任务中一种新的方法,但是这种图像表示方法均是对图像的整体特征表示,无法适用于目标仅占被检索图像的部分区域的检索.为了解决该问题,提出一种基于全卷积网络的中小目标检索方法,该方法将预训练全卷积网络应用于目标较小、仅占被检索图像部分区域的检索.1)利用全卷积网络对输入图像大小不受限制的优势,给定被检索图像,经过全卷积网络得到该图像的特征矩阵表示;2)给定查询目标图像,利用全卷积神经网络,得到目标图像的特征表示;3)将目标特征,与被检索图像的特征矩阵的每一个特征进行相似性比对,得到相似值和匹配最优位置.进一步引入多尺度、多比例变换以适用不同大小的实例目标.在标准数据集Oxford5K上的实验表明:该算法的检索性能优于现有算法.另外,在搜集的Logo数据集,该算法得到了不错的检索效果,进一步验证了算法的普适性和有效性.

  • 作者

    彭天强  孙晓峰  栗芳  Peng Tianqiang  Sun Xiaofeng  Li Fang 

  • 作者单位

    河南工程学院计算机学院 郑州451191/河南工程学院国际教育学院 郑州451191/郑州金惠计算机系统工程有限公司 郑州450001

  • 刊期

    2018年12期 ISTIC EI PKU

  • 关键词

    全卷积网络  目标检索  特征矩阵  目标定位  多比例变换 

相似文献 查看更多>>
54.226.4.91