论文部分内容阅读
针对图像检索中多区域加权聚合算法局部特征提取过程较繁琐、耗时及内存占用高等问题,提出多区域深度特征加权聚合算法(MR-CroW)。该算法通过增大深度卷积神经网络(DCNN)最后一个卷积层池化窗口,调整预训练DCNN模型VGG16,得到全局特征提取器;选择子区域作为检索对象响应区域,抑制非主要目标噪声;引入跨维度加权聚合算法(CroW),将多个区域特征进行加权聚合,得到最终的特征向量。在Oxford5K和Paris6K数据集上的实验结果表明,MR-CroW平均准确率(mAP)高于其它几种算法,特征处理