![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
实例检索
文章平均质量分 76
王小胖儿
沉迷科研。不能自拔。
展开
-
Spatial Attention model
这个方法来自于论文:《Context Aware Query Image Representation for Particular Object Retrieval》 在描述待查询图像时,很多方法都利用到了region或者proposal的概念,旨在提高图中object的显著性。 在此文中,作者提出了一种Spatial Attention model,即空间注意力模型原创 2017-05-27 11:14:21 · 17846 阅读 · 1 评论 -
Faster R-CNN Features for Instance Search
这篇论文是《Faster R-CNN Features for Instance Search》。发表在2016的CVPR Workshops 上。 论文源码:https://github.com/imatge-upc/retrieval-2016-deepvision 首先给出网络结构图: 输入图像之后,使用Conv5_3层的feature原创 2017-05-27 14:46:53 · 736 阅读 · 1 评论 -
Efficient Object Instance Search Using Fuzzy Objects Matching
这篇文章《Efficient Object Instance Search Using Fuzzy Objects Matching》2017年发在AAAI上。 作者提出了一种有效的目标实例检索方法----Fuzzy Objects Matching (FOM)。 一般来说,实例检索将query图像与数据集图像产生的众多proposals进行一一匹配。但这种方法很明显时间原创 2017-05-29 19:45:38 · 584 阅读 · 0 评论 -
R-MAC(Regional Maximum Activation of Convolutions)
众所周知,卷积神经网络的卷积层会产生一个三维的矩阵:W*H*K。如何将三维的转化为二维的,并加以利用呢? R-MAC(Regional Maximum Activation of Convolutions)方法是一个十分常用的方法。 该方法在论文《PARTICULAR OBJECT RETRIEVAL WITH INTEGRAL MAX-POOLING OF CNN ACTIV原创 2017-05-27 10:06:03 · 6341 阅读 · 5 评论