Sep, 2023
暗面增强：为度量学习生成多样的夜间样本
Dark Side Augmentation: Generating Diverse Night Examples for Metric Learning
Albert Mohwald, Tomas Jenicek, Ondřej Chum
TL;DR基于 CNN 描述符的图像检索方法依赖于从大量不同的正负图像对中进行度量学习。我们提出了一种基于 GAN 的合成图像生成器，将白天图像示例转换为夜晚图像，用作度量学习的一种形式的增强，并评估了各种类型的生成器。我们提出了一种通过边缘一致性增强原始图像与转换图像之间一致性的新型轻量级 GAN 架构，同时训练了一种适用于夜晚和白天图像的边缘检测器，并提出了一种多样锚点挖掘的新方法，旨在增加训练示例的变化性并最大化训练模型的泛化能力。该方法在标准的东京 24/7 昼夜检索基准上优于现有技术，同时保持了对牛津和巴黎数据集的性能。