- 博客(4)
- 收藏
- 关注
RSS订阅原创 multiquery image retrieveal
最近看了两篇文章，以及老板布置的任务，把一些总结记录一下。对于person re-identification任务来说， 天生就有多个camera 自然而然就有多个query的出现，zisserman 的文章主要是用到用户给予text信息，然后运用google image search得到多个ranked image，从而得到多个image。至于如何multi-query,主要有两类方法:
2015-10-12 10:39:13
765
翻译 query specific rank fusion for image retrieval
local feature 和 holistic feature 在图像检索领域是两条主流的分支。其中local feature 大部分采用的是vocabulary tree 的结构（memory消耗巨大），是一种非常稀疏的BOW模型。local feature 的好处显而易见，尺度，旋转。。等等不变性，适合有重复相近场景的图像检索，但是如果图像数据库中并没有这种结构，那么相近纹理图像往往降低这种
2015-10-09 17:24:12
857
翻译 Lost in quantization: improving particular object retrieval in large scale image databases
目标检索与图像检索的区别在于，给定一副查询图像，里面包含指定的目标，我们需要返回包含这些目标的检索结果。而目标由于带有光照视点等等不确定性，使得这个问题较整张图片的检索更加困难。目前的检索的框架都是基于BOW模型的，也就是将一些高维的局部描述子映射为离散的vocabulary。这篇文章的创新点在于将这个映射为a weight set of words。原始的BOW模型可能造成较低的recall
2015-10-08 09:37:07
631
翻译 towards code-free：scalable cascaded hashing for mobile image search
approach：A.PCA降维首先对sift做了pca，pca的前k个主成分保留了原始描述子的大部分能量。这样做增强了召回率，且降低了模型复杂度。通过如下实验可以看到：1.除去第一个主成分（2个高斯）外的所有k个维数的系数分布，都近似一个高斯分布。2.前k个主成分维数的熵是远远大于1的。这样说明一个问题：一个bit去描述这样一个高斯分布是远远不够的，丢失了很多信息
2015-10-06 11:53:41
552
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人