利用少样本学习和相关反馈推进图像检索
提出一种基于信息检索的方法来解决 few-shot 学习问题，通过同时优化每个训练批次中所有相对排序以提取尽可能多的信息， 在结构化预测的框架内定义模型来优化平均精度，从而实现在标准 few-shot 分类基准测试上取得令人印象深刻的结果，并具有 few-shot 检索的能力。
Jul, 2017
内容检索 (CBIR) 系统在计算机视觉领域成为关键工具，通过基于视觉内容而非仅依赖元数据进行图像搜索。本综述论文全面介绍了 CBIR，并强调了其在目标检测方面的作用，以及基于内容特征识别和检索视觉相似图像的潜力。文章探讨了 CBIR 系统面临的挑战，包括语义差距和可扩展性，并提出了潜在的解决方案。重点阐述了语义差距，即低级特征和高级语义概念之间的差异，并探索了弥合该差距的方法。值得注意的解决方案之一是集成相关反馈 (RF)，使用户能够对检索到的图像提供反馈并迭代地改进搜索结果。综述涵盖了长期和短期学习方法，利用 RF 提高 CBIR 的准确性和相关性。这些方法侧重于权重优化和利用主动学习算法选择样本进行分类器训练。此外，本论文还研究了机器学习技术以及利用深度学习和卷积神经网络提高 CBIR 性能的方法。该综述论文在推进 CBIR 和 RF 技术的理解方面发挥着重要作用。它指导研究人员和从业者理解现有的方法、挑战和潜在的解决方案，促进知识传播和确定研究空白。通过讨论未来的研究方向，为增强 CBIR 在各个应用领域的检索准确性、可用性和效果奠定了基础。
Dec, 2023
本文介绍了一种基于二分类算法的交互式图像检索系统，该系统结合了主动学习和基于图的半监督学习算法。该方法使用不确定性采样的方法来找到具有信息价值的点，并借助一个启发式自适应阈值来确定决策界限。同时使用从深度学习和 WordNet 中提取的视觉和语义信息，以提高分类器的鲁棒性。该方法在多个数据集上的实验中得到了较高的 F1 分数。
Feb, 2018
介绍了一种新的交互式图像检索方法，该方法允许用户通过自然语言提供反馈，形成了一个基于强化学习的对话系统，用于提高目标图像的排名，该方法在鞋类检索应用中表现出更好的准确性和更有效的检索结果。
May, 2018
该研究探讨了在遥感图像中的增量式小样本目标检测任务，并介绍了一种名为 InfRS 的创新微调技术，以便在保持基类性能的同时，利用有限的示例进行增量学习，并生成代表数据固有特征的类别原型，进而解决遥感图像中的增量式小样本目标检测问题。
May, 2024
本研究探讨如何将相关性反馈直接集成到神经重排模型中，使用 kNN 方法和交叉编码器模型，通过在现有信息检索数据集上的实验，证明了这种方法能够大幅提高神经重排模型的性能。
Oct, 2022
本文提出了一种基于内部语义关系的交互心理测量学方法，旨在解决少样本图像分类问题中标签监督性与复杂概念关系不兼容的挑战性场景，实验结果表明我们的方法在 CIFAR-100 数据集上有很好的表现以及优越性。
Dec, 2021
通过集成 CLIP 与经典的相关反馈技术以增强图像检索，我们提出了一种交互式基于 CLIP 的图像检索系统，并利用相关反馈收集用户独特的偏好，从而适应不同用户的偏好并实现高准确性的图像检索。
Apr, 2024