مقاله #1206

چکیده

در مدل شناخته شده Bag of Words، ویژگی های محلی، مانند توصیفگرهای SIFT، استخراج می شوند و به کلمات بصری تبدیل می شوند. سپس یک شاخص برای کاهش بار محاسباتی ایجاد می شود. با این حال، سرنخ های محلی به عنوان بازنمودهای سطح پایین عمل می کنند که نمیتوانند مفاهیم معنایی سطح بالا را ارائه کنند. به تازگی، موفقیت ویژگی های عمیق استخراج شده از شبکه های عصبی کانولوشن ( CNN) نتایج امیدوار کننده ای را به سوی پر کردن شکاف معنایی نشان داده اند. با الهام از این موضوع، ما تلاش می کنیم ویژگی های عمیق را در حوزه بازیابی تصویر مبتنی بر شاخص معکوس معرفی کنیم و چارچوب DeepIndex را پیشنهاد می دهیم. علاوه بر این، با توجه به compensation ویژگی های عمیق مختلف، ما ویژگی های مختلف عمیق از لایه های متفاوت کاملا متصل را در نظر می گیریم که منجر به DeepIndex چندگانه می شود. ما یکپارچه سازی بهینه یک ویژگی عمیق سطح میانی و یک ویژگی عمیق سطح بالا را از دو معماری CNN متفاوت به طور جداگانه پیدا می کنیم. این را می توان به عنوان یک تلاش برای کاهش فاصله معنایی در نظر بگیریم. آزمایشات گسترده بر روی سه مجموعه داده معیار نشان می دهد که روش پیشنهادی DeepIndex نسبت به روش های موجود روی داده های Holidays ( 85 : 65٪ MAP )، Paris (81 : 24٪ mAP ) و UKB (امتیاز 3 : 76) برتر است. علاوه بر این، روش ما در حافظه و زمان هم صرفه جویی می کند.