On the Unreasonable Effectiveness of Centroids in Image Retrieval

分享人：石邢越
研究方向：行人重识别
论文题目：On the Unreasonable Effectiveness of Centroids in Image Retrieval
论文作者：Mikolaj Wieczorek, Barbara Rychalska, and Jacek Dabrowski
作者单位：华沙技术大学
论文摘要：图像检索任务包括从一组图库(数据库)图像中查找与查询图像相似的图像。这类系统被用于各种应用，例如行人重识别(ReID)或视觉产品搜索。尽管检索模型得到了积极的发展，但它仍然是一项具有挑战性的任务，这主要是由于视角、照明、背景杂波或遮挡的变化引起的较大的类内方差，而类间方差可能相对较低。目前的大部分研究集中在创建更鲁棒的特征和修改目标函数，通常基于三元组损失。一些工作尝试使用类的质心/代理表示，以缓解计算速度和使用三重损失的困难样本挖掘的问题。然而，这些方法仅用于训练，在检索阶段被丢弃。在本文中，我们提出在训练和检索过程中都使用平均质心表示。这样的聚合表示对异常值更鲁棒，并确保更稳定的特征。由于每个类都由单一的类质心编码表示，检索时间和存储需求都显著减少。由于减少了候选目标向量的数量，聚合多个编码显著减少了搜索空间，这使得该方法特别适合于生产部署。在两个ReID数据集和时尚检索数据集上进行的综合实验证明了我们的方法的有效性，其性能优于目前最先进的方法。我们提出质心训练和检索作为时尚检索和ReID应用的可行方法。我们的代码可在https://github.com/mikwieczorek/centroids-reid获得。
原文链接：

点击此处