CNN-Based CBIR 整理 (持续更新)

全局特征

Without Fine-tuning
  • Neural codes for image retrieval, ECCV, 2014
  • Multi-scale orderlesspooling of deep convolutional activation features, ECCV, 2014 (VLAD coding)
  • CNN Features off-the-shelf: an Astounding Baseline for Recognition, CVPR, 2014
  • Aggregating Deep Convolutional Features for Image Retrieval, ICCV, 2015
  • Exploiting Local Features from Deep Networks for Image Retrieval, CVPR, 2015, (VLAD coding)
  • Bags of Local Convolutional Features for Scalable Instance Search, ICMR, 2016
  • MAC: Particular object retrieval with integral max-pooling of CNN activations, ICLR, 2016
  • Cross-dimensional Weighting for Aggregated Deep Convolutional Features, ECCV, 2016
With Fine-tuning
  • Fisher Vectors Meet Neural Networks: A Hybrid Classification Architecture, CVPR, 2015 (FV coding)
  • NetVLAD: CNN architecture for weakly supervised place recognition, CVPR, 2016
  • Faster R-CNN Features for Instance Search, CVPR, 2016
  • R-MAC: Deep Image Retrieval: Learning global representations for image search, ECCV, 2016
  • R-MAC: End-to-end Learning of Deep Visual Representations for Image Retrieval, IJCV, 2017 (detailed description of R-MAC)

局部特征

  • Local convolutional features with unsupervised training for image retrieval, ICCV, 2015
  • Largescale image retrieval with attentive deep local features, ICCV, 2017

新评价方案

  • Revisiting Oxford and Paris: Large-Scale Image Retrieval Benchmarking, CVPR, 2018
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
CBIR(Content-Based Image Retrieval)图像检索是一种通过分析图像内容来检索相关图像的方法。而基于CNN(Convolutional Neural Network)的方法在CBIR中被广泛应用。 首先,需要准备训练好的CNN模型。这个模型可以是已经在大规模图像数据集上进行了训练,并且能够提取图像的高级特征和语义信息的模型,比如ResNet、VGG等。 接下来,需要准备待检索的图像数据集。这些图像将被用来与查询图像进行比较和匹配。 然后,对于每张图像,我们会使用预训练好的CNN模型来提取图像的特征向量。通常,我们会选择CNN模型中某一层的激活值作为图像的特征向量,比如全连接层或者池化层。 接着,当有用户查询时,我们会使用同样的方法提取查询图像的特征向量。 最后,对于每个查询图像的特征向量,我们会计算它们与图像数据集中每张图像的特征向量之间的相似度。这可以使用余弦距离或者欧氏距离等方法来进行计算。 通过比较相似度,我们可以找到与查询图像最相似的图像,并将它们返回给用户。这样,基于CNNCBIR图像检索方法就可以实现。 通常,这个过程可以通过Python等编程语言和深度学习框架来实现。比如,使用PyTorch或者TensorFlow来构建CNN模型,提取图像特征向量,并进行相似度计算。这样就可以实现一个基于CNNCBIR图像检索的代码。
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