基于注意力金字塔与监督哈希的细粒度图像检索

来源：计算机技术与发展杂志2023年第03期北京时间：

作者：殷梓轩;孙涵

摘要：大规模细粒度图像检索是一项极具挑战性的任务。 由于图像间具有类间距离小、类内距离大的特点,传统的深度神经网络学习到的图像特征存在高度冗余,导致检索速度慢、存储成本高昂。 为解决该问题,提出了一种基于注意力金字塔与监督哈希的深度神经网络模型。 在特征提取网络中,针对细粒度图像的特点,　采用了双通路金字塔结构,并设计了自上而下的特征通路及自下而上的注意力通路,借此更好地融合高层与低层特征。 在分类网络中,为压缩存储空间、提高检索效率,在深度哈希的基础上使用 tanh( x) 代替 sign( x) 作为激活函数,使学习到的哈希函数更容易达到平稳分布;同时结合量化损失与分类损失,使生成的哈希码更好地与原始输入图像的特征匹配。 在 FGVC-Aircraft 及 Stanford Cars 两个标准细粒度数据集上的准确率分别达到 82. 3% 、83. 3% ,均优于其他对比算法,证明了算法的有效性。

关键词：细粒度图像检索;注意力金字塔;双通路;监督哈希;稳定分布