- 基于空间和不确定性意识的精确快速像素检索的超图扩散
该论文介绍了一种新颖的方法,通过超图框架和社区选择技术,提高了图像检索和像素检索的效率和准确性。通过在查询时间中利用本地特征有效地传播空间信息,准确地检索和定位数据库中的对象,从而在图像级和像素级检索中实现了最先进的准确性。
- 深度度量学习驱动的遥感图像检索的标注成本高效主动学习
通过结合度量学习、主动学习以及不确定性估计等方法,提出了一种用于远程感知图像检索的低成本主动学习方法,该方法有效地减少了图像标注的成本,并在两个远程感知基准数据集上取得了显著的实验结果。
- 多类体积放射学影像的基于内容的图像检索:基准研究
我们在医学图像检索的上下文中,通过使用 TotalSegmentator 数据集建立了一个基准,以评估和比较预训练模型的嵌入效果,并采用文本匹配启发的后期交互再排序方法,实现了对各种解剖区域的 1.0 检索召回率。
- 基于基础模型的放射学内容医学图像检索应用
通过基于内容的图像检索(CBIR)系统中使用视觉基础模型作为功能强大且多用途的成品特征提取器,我们在包含 160 种病理学的 4 种模式的 160 万个二维放射学图像的综合数据集上进行基准测试,从而确定弱监督模型在性能上超越专门化模型,达到 - 基于分类和 Contourlet 特征的纹理图像检索
基于 RCT-Plus 变换的内容基于图像检索(CBIR)框架通过提取图像中更丰富的方向信息的新形象表示,改进了纹理图像的图像检索过程;通过使用适应于 RCT-Plus 变换统计建模的相似度度量对数据库中的图像进行分类,然后对查询进行分类以 - 基於內容的圖像檢索的進展:關聯反饋技術的全面調查
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 - ICLR基于自监督学习的病灶检索
基于内容的图像检索(CBIR)与自我监督学习(SSL)加速临床医生对相似图像的解读,无需手动标注。通过将对比学习 SimCLR 应用于 CBIR,并采用广义平均(GeM)池化和 L2 归一化进行病变类型分类和检索相似图像,结果显示性能有所提 - 基于层次结构的视觉和语义相似度融合图像检索
提出了一种基于内容的图像检索方法,通过构建视觉层次结构来捕捉视觉和语义的相似性,将其融合到相似度搜索的距离计算度量中,实验证明该方法在图像检索方面具有优越性能。
- 基于内容的图像检索的有效标注节约算法
本文提出了一种名为 ANNEAL 的注释成本高效的主动学习方法,通过模拟为相似或不相似的最具信息量的图像对进行注释来增强训练集,从而准确地建模深度度量空间。
- 面向内容的图像检索的类锚点裕量损失函数
本文中,我们提出了一种新的损失函数,它能够直接优化 L2 度量,而无需生成成对数据,从而提高了内容图像检索任务中神经网络的性能。我们使用 CIFAR-100、食品 - 101、SVHN 和 Tiny ImageNet 这四个数据集进行了实验 - 基于内容的图像检索的类别特定变分自编码器
本文提出了一种正则化损失的变分自编码器(VAEs),通过强制模型关注感兴趣的类别,使得 VAE 的学习潜在空间适用于特定类别的检索任务,新方法在三个公共数据集和一个自定义数据集上得到比竞争 VAE 的方法更好的表现,尤其是在域内和域外检索问 - 高分辨率图像检索中基于 Triplet-loss 扩张残差网络的表示学习
本文提出了一种使用三元组损失(triplet loss)的卷积神经网络方法,该方法采用膨胀残差卷积神经网络(dilated residual convolutional neural network)提取高分辨率表示,并通过广义均值池化(G - BOSS: 底层跨模态语义组合与混合反事实训练的强大基于内容的图像检索
本文提出了一种从自下而上的视觉语言表示和显式的细粒度对应查询 - 目标构建两个角度对 CIR 任务进行研究的新方法 BOSS,该方法结合了混合反事实训练策略,可在多个连续步骤中保留和转换基于语言语义条件的视觉表示,实现有效的目标图像搜索。
- 基于大数据和深度生成对抗网络技术的智能分布式大规模时尚图像检索平台
本文提出了一种基于分布式计算平台的可扩展关注 Web 爬虫引擎,用于提取和处理电子商务网站上的时尚数据,并采用深度卷积生成对抗网络(DCGAN)的脱耦特征提取方法来进行基于内容的图像索引和检索,将其与最先进的解决方案进行比较并分析其结果。
- WSDMVISIR:图像视觉和语义标签的精细化
本篇论文介绍了新型的图像检索方法:内容检索和基于标记的检索,它们都存在一些限制。作者提出了一种方法,可以对深度学习产生的标记进行语义细化和扩展,解决了标记的嘈杂问题和限制,使用整数线性规划来解决该问题。实验表明,该方法可以改善现有的可视化标 - 对抗性查询有谁害怕?图像修改对基于内容图像检索的影响
该论文分析了针对基于神经网络、局部和全局特征的基于内容图像检索的对抗查询。作者引入了一种创新的神经网络图像扰动方法,称为图像检索错误的扰动(PIRE),能够阻止基于神经特征的 CBIR 检索。作者的实验分析证明了 PIRE 的惊人有效性,并 - SIGIR构建实用的 Elasticsearch 可视化搜索引擎
本文介绍了我们基于 Elasticsearch 构建的端到端内容基于图像检索系统。我们提出了一种将图像特征向量编码为字符串令牌的新方法,并使用 Elasticsearch 来检索相似图像,性能表现优异。此系统易于部署、分布、扩展和监控,支持 - 使用卷积神经网络对磁共振图像模态进行分类
提出一种基于三维卷积神经网络的磁共振图像对比度分类方法,在多个任务中验证其准确性可达 97.57%。
- 基于内容的图像检索的近期进展:文献综述
本文评估了 2003 年至 2016 年提出的内容检索图像检索算法,并提出了未来研究的几个方向。
- SIFT 遇见 CNN:实例检索十年回顾
本文概述了过去十年内的实例检索方法,包括基于 SIFT 和 CNN 的方法,并探讨了其在不同数据集上的表现和应用前景。