【FCS 人工智能专栏】基于辅助点上下文建模的鲁棒图像重排序

点击上方蓝字

关注我们

导

读

    图像重排序是图像检索中一种有效的后处理步骤，用于调整图像的相似性顺序。作为初始排序列表的关键组成部分，查询图像的最近邻集合对构建重排序的差异度量至关重要。然而，不同查询图像所对应的相关样本数目有所不同。因此，拥有较少匹配样本的查询图像缺乏足够的参考信息，这将导致在考虑近邻相似性进行重排序时引入错误的噪声。

    为了解决这个问题，本文提出了构建辅助点的思想，在图像空间添加虚拟样本作为辅助最近邻。算法通过等距同构地将每个构建的度量空间嵌入欧式空间，可以实现对图像潜在的流形在距离描述下的局部表示，通过定义虚拟样本与真实样本之间的距离以构建辅助点。这些构建的点可以揭示度量空间隐含的相似性，并使相似的图像更加聚集。

    在此基础上，利用杰卡德相似性与辅助点相结合进行上下文度量，本文提出基于辅助点上下文建模的鲁棒图像重排序算法。相比于成对的欧氏距离度量，局部上下文度量能更深入地挖掘图像在潜在流形上的相似关系。而杰卡德相似性系数由局部分布定义，因此丰富的上下文关系可以协助其取得更加可靠与鲁棒的度量结果。实验证明了所提图像重排序算法能够有效提高检索准确度与鲁棒性。

文章精要

请长按下方二维码识别，阅读该文。

相关内容推荐：

基于贝叶斯双神经网络的推荐算法

基于分布式表示学习的社区搜索算法 

随机局部搜索求解最大可满足性问题的经验研究 2019 13(1)：86-98

基于情感信息和神经网络模型的立场分析 2019 13(1)：127-138 

基于鲁棒特征学习和无需大规模预训练的在线判别式跟踪算法 2018 12(6)：1160-1172

基于BP神经网络和主成分分析的岩体滤波算法 2018 12(6)：1149-1159

卷积自适应降噪自动编码器 2018 12(6)：1140-1148

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---

长按二维码关注Frontiers of Computer Science公众号