科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种新颖的基于交叉熵的损失，将该损失应用于经典的卷积神经网络上获得了更优的嵌入空间。设计了一种基于响应值中心加权的卷积特征聚合算法处理神经网络得到的三维卷积特征，该算法通过当前位置响应值以及高斯中心计算获得特征图的空间加权系数，减少了三维卷积特征图降成一维图像特征描述子时的信息丢失，并实现了目标区域的增强。最后，将得到的图像特征描述子用于检索任务。在CUB-200-2011数据集上通过消融实验分别验证了损失函数和响应值中心加权算法的有效性。本文算法在Paris6k、Oxford5k、CUB-200-2011、CARS196四个数据集上较当前已有的检索方法获得了更高的准确率和召回率。
- 单位
