主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第6期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
陈健,白琮,马青,郝鹏翼,陈胜勇.面向基于草图的细粒度图像检索的对抗训练三元组网络.软件学报,2020,31(7):0
面向基于草图的细粒度图像检索的对抗训练三元组网络
Adversarial Training Triplet Network for Fine-grained Sketch Based Image Retrieval
投稿时间:2019-05-02  修订日期:2019-07-11
DOI:10.13328/j.cnki.jos.005934
中文关键词:  基于草图的图像检索  细粒度检索  三元组网络  对抗训练
英文关键词:Sketch based image retrieval  fine-grained retrieval  triplet network  adversarial training
基金项目:国家重点研发计划(2018YFB1305200);浙江省自然科学基金(LY18F020032,LY18F020034);浙江省教育厅项目(Y201839922)
作者单位E-mail
陈健 浙江工业大学计算机科学与技术学院, 浙江杭州 310023  
白琮 浙江工业大学计算机科学与技术学院, 浙江杭州 310023 congbai@zjut.edu.cn 
马青 浙江工业大学计算机科学与技术学院, 浙江杭州 310023
浙江工业大学理学院, 浙江杭州 310023 
 
郝鹏翼 浙江工业大学计算机科学与技术学院, 浙江杭州 310023  
陈胜勇 天津理工大学计算机科学与工程学院, 天津 300384  
摘要点击次数: 733
全文下载次数: 348
中文摘要:
      将草图作为检索示例用于图像检索称之为基于草图的图像检索.在这其中,细粒度检索问题或类内检索问题是2014年被研究者提出并快速成为广受关注的研究方向.目前研究者通常用三元组网络来解决类内检索问题,且取得了不错的效果.但是三元组网络的训练非常困难,很多情况下很难收敛甚至不收敛,且存在着容易过拟合的风险.本文借鉴循环生成对抗训练的思想,设计了SketchCycleGAN帮助提高三元组网络训练过程的效率,以对抗训练的方式使其参与到三元组网络的训练过程中,通过充分挖掘数据集自身信息的方式取代了利用其他数据集进行预训练的过程,在简化训练步骤的基础上取得了更好的检索性能.通过在常用的细粒度草图检索数据集上的一系列对比实验,证明了所提方法的有效性和优越性.
英文摘要:
      Sketch based image retrieval means that the sketch is used as the query in the retrieval. Fine-grained image retrieval or intra-category retrieval was proposed in 2014 and attracted more attentions quickly. Triplet network is often used to do fine-grained retrieval and get promising performance. However, training triplet network is quite difficult, it is hard to converge and easy to over-fit in some situations. Inspired by the adversarial training, this paper proposes SketchCycleGAN to improve the efficiency of the triplet network training process. In this proposal, pre-training the networks with other database is replaced by mining the information inside the database with the help of adversarial training. That could simplify the training procedure with better performance. This proposal could get better performance than other state-of-the-art methods in a series of experiments executed on widely used databases for fine-grained sketch based retrieval.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利