論文の概要: Progressive Local Filter Pruning for Image Retrieval Acceleration

• arxiv url: http://arxiv.org/abs/2001.08878v1
• Date: Fri, 24 Jan 2020 04:28:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-07 05:16:39.268070
• Title: Progressive Local Filter Pruning for Image Retrieval Acceleration
• Title（参考訳）: 画像検索高速化のためのプログレッシブローカルフィルタプルーニング
• Authors: Xiaodong Wang, Zhedong Zheng, Yang He, Fei Yan, Zhiqiang Zeng, Yi Yang
• Abstract要約: 画像検索高速化のための新しいプログレッシブ・ローカルフィルタ・プルーニング(PLFP)法を提案する。 具体的には、各フィルタの局所的な幾何学的性質を分析し、隣人に置き換えられるものを選択する。 このように、モデルの表現能力は保持される。
• 参考スコア（独自算出の注目度）: 43.97722250091591
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper focuses on network pruning for image retrieval acceleration. Prevailing image retrieval works target at the discriminative feature learning, while little attention is paid to how to accelerate the model inference, which should be taken into consideration in real-world practice. The challenge of pruning image retrieval models is that the middle-level feature should be preserved as much as possible. Such different requirements of the retrieval and classification model make the traditional pruning methods not that suitable for our task. To solve the problem, we propose a new Progressive Local Filter Pruning (PLFP) method for image retrieval acceleration. Specifically, layer by layer, we analyze the local geometric properties of each filter and select the one that can be replaced by the neighbors. Then we progressively prune the filter by gradually changing the filter weights. In this way, the representation ability of the model is preserved. To verify this, we evaluate our method on two widely-used image retrieval datasets,i.e., Oxford5k and Paris6K, and one person re-identification dataset,i.e., Market-1501. The proposed method arrives with superior performance to the conventional pruning methods, suggesting the effectiveness of the proposed method for image retrieval.
• Abstract（参考訳）: 本稿では,画像検索高速化のためのネットワークプルーニングについて述べる。 画像検索は、識別的特徴学習においてターゲットとなるが、実際の実践において考慮すべきモデル推論の高速化には、ほとんど注意が払わない。 画像検索モデルのプルーニングの課題は、中間レベルの機能は可能な限り保存されるべきである。 このような検索と分類モデルの異なる要求により、従来の刈り取り手法はタスクに適さない。 そこで本研究では,画像検索高速化のためのプログレッシブ・ローカル・フィルタ・プルーニング(PLFP)手法を提案する。 具体的には,各フィルタの局所的な幾何学的性質を分析し,隣接するフィルタに置き換えられるものを選択する。 そして, フィルタ重みを徐々に変化させることにより, フィルタを徐々にプルーピングする。 このように、モデルの表現能力は保存される。 これを検証するために,オックスフォード5kとパリ6Kの2つの広く利用されている画像検索データセットと,マーケット1501という1人の再識別データセットを用いて,本手法の評価を行った。 提案手法は,従来のプルーニング法よりも優れた性能を示し,画像検索における提案手法の有効性を示唆する。

関連論文リスト

• Local Descriptors Weighted Adaptive Threshold Filtering For Few-Shot Learning [0.0]
  画像の分類はほとんどないが、機械学習の分野では難しい課題だ。 本稿では,局所記述子に対する革新的な重み付け適応しきい値フィルタリング(WATF)戦略を提案する。 本手法は、学習可能なパラメータを追加せずに、シンプルで軽量な設計哲学を維持している。
  論文  参考訳（メタデータ） (2024-08-28T16:36:23Z)
• DeepClean: Integrated Distortion Identification and Algorithm Selection for Rectifying Image Corruptions [1.8024397171920883]
  画像歪みの自動分類と修正のための2段階逐次計画手法を提案する。 提案手法の利点は、入力画像に条件付けされた動的再構成と、推論時に未確認候補アルゴリズムの一般化である。
  論文  参考訳（メタデータ） (2024-07-23T08:57:11Z)
• F$^3$Loc: Fusion and Filtering for Floorplan Localization [63.28504055661646]
  本研究では,フロアプラン内での自己ローカライズのための効率的なデータ駆動型ソリューションを提案する。 本手法では,地図や位置情報ごとのリトレーニングや,関心領域の画像の大規模なデータベースの要求は不要である。
  論文  参考訳（メタデータ） (2024-03-05T23:32:26Z)
• Image Completion via Dual-path Cooperative Filtering [17.62197747945094]
  入力シーンに基づいた画像復元のための予測フィルタリング手法を提案する。 欠落した情報を埋めるために、機能レベルのセマンティックフィルタリングが導入されている。 3つの挑戦的な画像補完データセットの実験により、提案したDCFは最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-30T03:54:53Z)
• PoseMatcher: One-shot 6D Object Pose Estimation by Deep Feature Matching [51.142988196855484]
  本稿では,PoseMatcherを提案する。 3ビューシステムに基づくオブジェクトと画像のマッチングのための新しいトレーニングパイプラインを作成します。 PoseMatcherは、画像とポイントクラウドの異なる入力モダリティに対応できるように、IO-Layerを導入します。
  論文  参考訳（メタデータ） (2023-04-03T21:14:59Z)
• Pattern Spotting and Image Retrieval in Historical Documents using Deep Hashing [60.67014034968582]
  本稿では,歴史文書のデジタルコレクションにおける画像検索とパターンスポッティングのためのディープラーニング手法を提案する。 ディープラーニングモデルは、実数値またはバイナリコード表現を提供する2つの異なるバリエーションを考慮して、特徴抽出に使用される。 また,提案手法により検索時間を最大200倍に短縮し,関連する作業と比較してストレージコストを最大6,000倍に削減する。
  論文  参考訳（メタデータ） (2022-08-04T01:39:37Z)
• Fast Hybrid Image Retargeting [0.0]
  本稿では,コンテント・アウェア・トリミングを用いて歪みを定量化し,抑制する手法を提案する。 我々の手法は,実行時間のごく一部で実行しながら,最近の手法より優れています。
  論文  参考訳（メタデータ） (2022-03-25T11:46:06Z)
• Region-level Active Learning for Cluttered Scenes [60.93811392293329]
  本稿では,従来の画像レベルのアプローチとオブジェクトレベルのアプローチを一般化した領域レベルのアプローチに仮定する新たな戦略を提案する。 その結果,本手法はラベル付けの労力を大幅に削減し,クラス不均衡や散らかったシーンを生かしたリアルなデータに対する希少なオブジェクト検索を改善することが示唆された。
  論文  参考訳（メタデータ） (2021-08-20T14:02:38Z)
• Manifold Regularized Dynamic Network Pruning [102.24146031250034]
  本稿では,全インスタンスの多様体情報をプルーンドネットワークの空間に埋め込むことにより,冗長フィルタを動的に除去する新しいパラダイムを提案する。 提案手法の有効性をいくつかのベンチマークで検証し,精度と計算コストの両面で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-03-10T03:59:03Z)
• Efficient image retrieval using multi neural hash codes and bloom filters [0.0]
  本稿では,複数のニューラルハッシュ符号を用いた画像検索手法を提案する。 また、事前に偽陽性を識別することで、ブルームフィルタを使用したクエリの数を制限する。
  論文  参考訳（メタデータ） (2020-11-06T08:46:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。