Learning the similarity between remote sensing (RS) images forms the foundation for content-based RS image retrieval (CBIR). Recently, deep metric learning approaches that map the semantic similarity of images into an embedding (metric) space have been found very popular in RS. A common approach for learning the metric space relies on the selection of triplets of similar (positive) and dissimilar (negative) images to a reference image called as an anchor. Choosing triplets is a difficult task particularly for multi-label RS CBIR, where each training image is annotated by multiple class labels. To address this problem, in this paper we propose a novel triplet sampling method in the framework of deep neural networks (DNNs) defined for multi-label RS CBIR problems. The proposed method selects a small set of the most representative and informative triplets based on two main steps. In the first step, a set of anchors that are diverse to each other in the embedding space is selected from the current mini-batch using an iterative algorithm. In the second step, different sets of positive and negative images are chosen for each anchor by evaluating the relevancy, hardness and diversity of the images among each other based on a novel strategy. Experimental results obtained on two multi-label benchmark archives show that the selection of the most informative and representative triplets in the context of DNNs results in: i) reducing the computational complexity of the training phase of the DNNs without any significant loss on the performance; and ii) an increase in learning speed since informative triplets allow fast convergence. The code of the proposed method is publicly available at https://git.tu-berlin.de/rsim/image-retrieval-from-triplets.
翻译:学习遥感图像之间的相似性是基于内容的 RS 图像检索( CBIR) 的基础。 最近, 在 RS 中发现非常流行的深入的衡量学习方法, 将图像的语义相似性映射成嵌入( 度) 空间。 用于学习度空间的常见方法取决于选择类似( 阳性) 和不同( 负性) 的三重图像, 以作为锚点。 选择三重图像是一项困难的任务, 特别是多标签 RS CBIR 的多标签 RS CBIR 。 每个培训图像都由多个类标签加注。 为了解决这个问题, 我们在本文件中提议在为多标签 RS CBIR 问题定义的深层神经网络( 度) 框架内采用新的三重采样方法。 拟议的方法根据两个主要步骤选择了一组最有代表性和最相异( 负性) 。 在嵌入空间中, 选择一组相互不同的 D, 使用迭调算法 。 在第二步中,, 不同一组 的正性和负性图像的采样方法,, 在每两层 基级 上, 基级 的 的 将 标 的 的 的 标定结果,, 的,, 的 的 将 的 的 的 的 的 的 将 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 标值 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 和 的 的 的 的 的 的 的 的 的 的