相似度矩阵池化多索引融合图像检索

0 下载量 48 浏览量 更新于2024-08-31 收藏 380KB PDF 举报
"Multi-Index Fusion via Similarity Matrix Pooling for Image Retrieval" 本文是一篇关于图像检索的研究论文,由来自 Tongji University、University of Science and Technology of China 和 University of Texas at San Antonio 的研究人员共同撰写。文章的核心是提出了一种基于相似度矩阵池化的多索引融合方法,用于提高图像检索的性能。 在图像检索领域,不同的特征类型具有各自的优势,可以互相补充。论文的创新点在于提出了一种在索引层面上进行多特征融合的新策略。首先,计算每个索引的相似度矩阵,然后利用一种新颖的池化方法对这些相似度矩阵进行聚合,以此更新原始索引。这种方法与现有的融合方案相比,优点在于它在索引级别进行融合,节省了内存并降低了计算复杂性。 此外,该方法还根据特征的重要程度自适应地处理不同类型的特征,从而提高了检索的准确性。通过在两个公开数据集上的实验评估,所提出的方案显著优于基线方法,验证了其有效性和优越性。 论文的主要贡献总结如下: 1. 提出了一种新的多索引融合方法,利用相似度矩阵池化技术在索引级别进行特征融合,减少了计算资源的需求。 2. 通过自适应地考虑不同特征的重要性,优化了特征融合过程,提升了检索结果的精度。 3. 实验结果表明,新方法在两个公共数据集上均表现出色,对比传统方法有显著的性能提升,进一步证明了该方法的实用价值。 这一研究对于改进图像检索系统的效率和准确度具有重要意义,为未来相关领域的研究提供了新的思路和方法。