彭天强¹，孙晓峰²，栗芳³

¹(河南工程学院计算机学院 郑州 451191);²(河南工程学院国际教育学院 郑州 451191);³(郑州金惠计算机系统工程有限公司 郑州 450001) (ptq_drumboy@163.com)

出版日期: 2018-12-01


基金资助:国家自然科学基金项目(61301232)

Middle or Small Object Retrieval Based on Fully Convolutional Networks

Peng Tianqiang¹, Sun Xiaofeng², Li Fang³

¹(School of Computer Science, Henan Institute of Engineering, Zhengzhou 451191);²(School of International Education, Henan Institute of Engineering, Zhengzhou 451191);³(Zhengzhou Jinhui Computer System Engineering Co. Ltd, Zhengzhou 450001)

Online: 2018-12-01

摘要/Abstract

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.

参考文献

相关文章 5

[1]	张蕊, 李锦涛. 基于深度学习的场景分割算法研究综述[J]. 计算机研究与发展, 2020, 57(4): 859-875.
[2]	赵永威,周苑,李弼程. 基于词典优化与空间一致性度量的目标检索[J]. 计算机研究与发展, 2016, 53(5): 1043-1052.
[3]	崔逊学 卢松升 陈云飞 高浩珉 易 廷. 基于短基线传感器网络的远场声源TDoA定位组合算法[J]. 计算机研究与发展, 2014, 51(3): 465-478.
[4]	张云洲,付文艳,项姝,魏东飞,杨兵. 室内环境下基于IMM-EKF算法的移动目标定位[J]. 计算机研究与发展, 2014, 51(11): 2408-2415.
[5]	马安香 张 斌 高克宁 齐 鹏 张 引. 基于结果模式的Deep Web数据抽取[J]. , 2009, 46(2): 280-288.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3840