科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对不同型号车辆外观差异较小，车辆检索困难的问题，构建一种两阶段细粒度车辆检索算法。该算法选择包含有效信息的特征，第一阶段通过广义平均池化(Generalized Mean Pooling)产生全局特征描述子，最后通过欧氏距离法得到初次检索结果。第二阶段通过Faster R-CNN预测目标区域的类别得分和位置坐标，在初次检索结果中找到与该查询类别相同的目标区域，并结合扩展查询(Query Expansion)对目标区域特征再次进行欧氏距离计算，检索出最终相似的图像。实验结果证明，该方法在细粒度车型数据集上取得了较好的效果。
- 单位
