基于自相似嵌入和全局特征重排序的图像检索方法

陈捷丰,姚金良

Image retrieval method based on self-similar embedding and global feature reranking

Jiefeng CHEN,Jinliang YAO

表 1 RParis6K数据集和ROxford5K数据集上各个方法的评估结果

Tab.1 Evaluation results of various methods on RParis6K and ROxford5K datasets

类别 方法 mAP/% Medium（ROxf） Medium（RPar） Hard（ROxf） Hard（RPar） 全局特征 R-MAC[11] 75.14 85.28 53.77 71.28 GeM-AP[12] 67.50 80.10 42.80 60.60 SOLAR[14] 79.65 88.63 59.99 75.26 DELG[33] 76.40 86.74 55.92 72.60 DOLG[16] 80.50 89.81 58.82 77.70 GLAM[34] 78.60 88.50 60.20 76.80 Swin-S-DALG[35] 79.94 90.04 57.55 79.06 SpCa[36] 81.55 88.60 61.69 76.21 SENet[37] 81.90 90.00 63.00 78.10 局部特征聚合+重排序 HesAff-rSIFT-ASMK+SP[38] 60.60 61.40 36.70 35.50 DELF-ASMK+SP[5] 67.80 76.90 43.10 55.40 DELF-R-ASMK+SP[39] 76.00 80.20 52.40 58.60 HOW-ASMK[21] 79.40 81.60 56.90 62.40 Fire[22] 81.80 85.30 61.20 70.00 全局特征+局部特征重排序 GeM+DSM[40] 65.30 77.40 39.20 56.20 DELG+SP[33] 81.20 87.20 64.00 72.80 全局特征 本研究方法(未重排序) 77.21 87.79 60.85 75.17 全局特征+全局特征再重排序 本研究方法 82.11 90.38 66.85 80.24