DVF: 提升鲁棒性和准确性的细粒度图像检索与检索指南
原文中文,约300字,阅读约需1分钟。发表于: 。本文提出了实用的细粒度图像检索模型设计指南,包括强调对象、凸显子类别特异性差异以及采用有效的训练策略。通过遵循指南并设计了一种新颖的双重视觉过滤机制(DVF),本文在三个广泛使用的细粒度数据集上实现了最先进的性能表现。
本文介绍了One-Shot Fine-Grained Instance Retrieval (OSFGIR)检索任务和辅助数据集(OSFGIR-378K dataset)。提出了一个由粗糙检索、细粒度检索和查询扩展组成的检索框架,通过OSFGIR方法,在没有完整训练集的情况下进行大规模细粒度物体识别,实验证明比现有方法更准确和有效。