科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于深度哈希的图像检索方法往往利用卷积和池化技术去提取图像局部信息，并且需要不断加深网络层次来获得全局长依赖关系，这些方法一般具有较高的复杂度和计算量。本文提出了一种注意力增强的视觉Transformer图像检索算法，算法使用预训练的视觉Transformer作为基准模型，提升模型收敛速度，通过对骨干网络的改进和哈希函数的设计，实现了高效的图像检索。一方面，本文设计了一个注意力增强模块，来捕获输入特征图的局部显著信息和视觉细节，学习相应的权重以突出重要特征，并增强输入到Transformer编码器的图像特征的表征力。另一方面，为了提高图像检索的效率，设计了一种对比哈希损失函数，生成具有判别力的二进制哈希码，从而降低了内存需求与计算复杂度。在CIFAR-10和NUS-WIDE数据集上的实验结果表明，本文提出的方法，在两个不同数据集上使用不同哈希码长度的平均精度均值达到了96.8%和86.8%,性能超过多种经典的深度哈希算法和其他两种基于Transformer架构的图像检索算法。
- 单位
