科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于深度学习的图像匹配技术已成为图像检索任务的研究热点，受不同局部区域高相似性描述子影响，误匹配问题降低了现有方法的检索精度，为此提出一种面向图像检索的热力特征描述子构造与匹配方法。首先，通过语义分割网络获得每个卷积层的可视化特征图，针对最后一个卷积层具有更强空间信息和语义信息的特点，利用梯度得分获得特征图中每个通道的权重，通过线性融合的方式，在通道维度上加权求和并归一化，利用双线性插值获得最终的热力图。其次，采用深度学习方法（DELF）获得图像深度特征描述子，利用语义分割网络所获得的类别信息和热力值信息构造多维度复合热力特征描述子，给出针对这类特征描述子的KD树结构。最后，基于该结构结合BBF和随机抽样一致算法实现特征匹配。在Oxford5K和Paris6K数据集上进行实验，实验结果表明，与DELF和D2-Net算法相比，该方法在查准率及时间效率上都有所提高，与Fine-tuning CNN、DAME WEB等方法相比检索精度提高近2个百分点。该方法能够更好地提高图像检索效率和精度，实验结果验证了该方法的有效性。
- 单位
