.png){kind=icon}
返回
Image Retrieval Using Multi-layer Orientation Histograms
.png){kind=icon}
OA
AI
DOI：10.1007/s11063-025-11719-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从卷积神经网络模型中提取的各级特征图能够捕获表示中的多重语义线索。然而，学习不同语义特征在众多层之间的关联可能具有挑战性。此外，现有表示无法有效捕获方向线索。本文提出了一种表示方法——多层方向直方图，以解决这些问题。主要亮点如下：(1) 本研究建议采用一种迭代的多层整合方法，以结合各级特征图。该方法能够基于空间关系提供判别性特征。(2) 建议采用一种有效方法应用Gabor滤波来检测方向线索。它能够放大最显著的方向线索，并便于在后续实现中高效使用。(3) 所提出的表示直接从每个学习到的特征图中捕获方向线索。它能够整合学习到的深度特征和方向线索，以创建更具判别性的表示。比较实验表明，所提出的方法在平均精度均值方面，在多个基准数据集上表现出高度竞争力。此外，该方法能够提供一种有效的架构，用于学习判别性全局特征。
Keyword:
Image retrieval
CNN
Multi-layer integration
Gabor filtering
Multi-layer orientation histogram
期刊
IF:
2.8
论文数:
175
被引数:
5.5K
机构
暂无机构信息
引用论文
.png){kind=icon}
Investigating the Vision Transformer Model for Image Retrieval Tasks研究Vision Transformer模型在图像检索任务中的应用OAAI
OAAI分享收藏
查看更多内容