基于Bagging自编码器深度紧凑描述符用于跨摄像头目标检索.pdfVIP

使用Bagging自编学习用于目标检索的深度紧凑描述符

郭海洋，，

自动化模式识别国家重点，，

100190{haiyun.guo,jqwang,luhq}@nlpr.ia.ac.cn

计算机视觉领域提出了各种手工设计的图像描述符。一

基于内容的大规模数据集跨头目标检索是些研究人员主要使用全局描述符进行目标检索。例如，

一项重要且具有性的任务，其中学习有效的紧凑型目Mitreaetal.[1]在基于多实例的目标检索中使用了颜色

标描述符起着关键作用。本文中，我们提出了一种利用命名直方图和颜色矩。然而，这些全局特征描述的是整

Bagging自编的高效深度紧凑描述符。具体来说，我幅图像，因此会包含背景噪声。另外一些研究人员倾向

们利用具有判别能力的卷积神经网络（CNN）提取高效的于使用局部描述符，如SIFT[2],HOG[3],和GLOH

深度特征，这些特征不仅包含丰富的语义信息，而且能够[4],，它们都是基于特征点检测的。然而，在

过滤背景噪声。此外，为了提高检索速度，我们采用自编中的查询目标通常不够大，无法提取足够的特征点，因

将的实值CNN特征映射为短二进制码。考虑到自此局部描述符不能很好地表示目标。

编的不稳定性，我们采用Bagging策略融合多个自编

以降低泛化误差，从而进一步提升检索精度。另外，与手工设计的描述符相比，通过深度模型（如深度

Bagging易于并行计算，因此可以保证检索效率。在从多自编、深度信念网络（DBN）和卷积神经网络

头中提取的100k视觉目标数据集上的检索实（CNN））学习到的深度特征已被验证[5,6]能够更有

验结果验证了所提出深度紧凑描述符的有效性。效地捕捉丰富的语义信息。Teng等[7]利用自编将

彩像映射为短二进制码以进行对象检索。检索结果

索引术语—Objectretrieval,bagging,auto‑encoder可能具有相似的边缘模式，但语义相关性不足。

Razavian等[8]使用CNN特征进行视觉实例检索，并优

1.引言于其他最先进的方法。然而，[8]中的深度特征是实值且

如今，数以百万计的头已被安装在公共区域，维度较高，从而降低了检索速度。

每天产生海量的数据。对于观众来说，手动浏览和

索引如此大规模数据集中的视觉对象是一项耗时且因此，为了在大规模中高效检索感的

枯燥的任务。基于内容的对象检索是内容管理和安全监视觉目标，我们提出了一种有效的基于Bagging自编码

控的有效工具。然而，与传统的基于内容的图像检索器的深度紧凑描述符。具体来说，我们利用在

（CBIR）不同，对象检索仅关注感的对象，与对ILSVRC12数据集上预训练并在数据集上微调

象无关的周围像素通常被视为背景噪声，并会妨碍检索的CNN来提取深度特征。这种深度特征能够从视觉目标

性能。此外，大多数查询对象的尺寸通常非常小，甚至中抽象出丰富的语义信息，并有效抑制背景噪声和干扰

不精确。此外，数据集中存在许多复杂条件，如光