CN114090816B 图像检索的视觉重排序方法、系统、设备及存储介质 （中国科学技术大学）_第1页
CN114090816B 图像检索的视觉重排序方法、系统、设备及存储介质 （中国科学技术大学）_第2页
CN114090816B 图像检索的视觉重排序方法、系统、设备及存储介质 （中国科学技术大学）_第3页
CN114090816B 图像检索的视觉重排序方法、系统、设备及存储介质 （中国科学技术大学）_第4页
CN114090816B 图像检索的视觉重排序方法、系统、设备及存储介质 （中国科学技术大学）_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种图像检索的视觉重排序取初次检索结果列表，选取排序靠前的k个图像个图像作为锚点图像；分别计算每一top-k图像用Transformer的编码器结构聚合所有top-k图像的关联特征，并为每个top-k图像更新得到一个新的关联特征；利用每一top-k图像的新的关证重排序性能的同时保证检索系统要求的实时2使用Transformer的编码器结构聚合所有top-k图像的关联特征，并为每一top-k图像所述使用Transformer的编码器结构聚合所有top-k图像的关联特征，并为每一top-k能够动态的学习聚合每个top-k图像的权值，输出更新得到的新的关联特征序列Y=所述查询图像为初次检索结果列表中排序第1的图像，所述t在训练阶段，利用查询图像的新的关联特征与其他top-k图像的新的关联特征的相似性计算对比损失函数LC,以及利用top-k图像更新前后的关联特征计算最小均方误差损失L=LC+lLUsim()为相似性函数；y1是查询图像r1的新的关联特征，yi表示top-k图像ri的新的关联特35.根据权利要求1～4任一项所述的一种图像6.一种图像检索的视觉重排序系统，其特征在于关联特征更新单元，用于使用Transformer的编码器结构聚合所有t重排序单元，用于利用每一top-k图像的新的关联特征，计算与查询图像之间的相似其中，当所述一个或多个程序被所述一个或多个处理器执4[0004]图像检索任务是根据给定的查询图像在大规模图像数据库中检索得到与查询图[0007]2)基于K紧邻的重排方法通过挖掘数据库中图像间的K紧邻结构关系得到新的相[0008]3)空间验证方法通常利用图像局部不变特征的空间上下5[0014]使用Transformer的编码器结构聚合所有top-k图像的关联特征，并为每一top-k[0024]由上述本发明提供的技术方案可以看出，使用Transformer的编码器结构聚合6体实施例对本发明实施例所提供的一种图像检索的视觉重[0041]给定查询图像，使用提取到的图像的特征得到初次检索结果列表R7[0056]本发明实施例中，所述模型训练主要用于训练全连接层与Transformer的编码器对比损失函数LC,表示为：sim(y,v)=yvi/(Ilyll•Ilyill),2sisk[0064]为了保留原始关联特征(即更新前的关联特征)中的信息利用top-k图像更新前后的关联特征计算最小均方误差损失函数LU,表示为：[0068]L=LC+.Ln8[0074]本发明实施例上述方案中，重排序时输入的信息为top-k图像的关联特征，它是觉特征得到初次检索结果，并计算关联特征训练网络得到重排序模型(对应于前述的三~9任何熟悉本技术领域的技术人员在本发明披露的技术范围内

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论