KNN数据库检索(简读):A Fast Partial Video Copy Detection Using KNN and Global Feature Database

该文提出了一种快速部分视频拷贝检测框架,利用KNN搜索和全局特征数据库,避免逐帧扫描。通过Transformer编码器增强CNN特征,算法在VCDB数据集上的F1分数显著优于现有方法,并实现了速度提升。
摘要由CSDN通过智能技术生成

        与之前的大部分部分视频拷贝检测(PVCD)算法不同,该算法会逐个扫描参考视频,我们将PVCD视为视频搜索/检索问题。
        本文提出了一种快速的部分视频拷贝检测框架。在这个框架中,参考视频的所有帧CNN-feature都组织在一个KNN可搜索数据库中。
        查询视频片段不扫描所有参考视频,而是在全局特征数据库中进行快速KNN搜索。返回的结果用于生成候选视频的短名单。然后使用修改后的temporal network来定位候选视频中的拷贝片段。
        此外,我们建议使用transformer encoder来改进CNN特性。我们在VCDB数据集上评估了我们的算法。我们的F1基准分数大大超过了最先进的水平。算法的速度也得到了显著提高

算 法 简 图 如 下 : 算法简图如下:
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

论文地址

https://openaccess.thecvf.com/WACV2022
A Fast Partial Video Copy Detection Using KNN and Global Feature Database

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值