論文の概要: Probability Weighted Compact Feature for Domain Adaptive Retrieval
- arxiv url: http://arxiv.org/abs/2003.03293v1
- Date: Fri, 6 Mar 2020 16:11:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 01:38:41.009966
- Title: Probability Weighted Compact Feature for Domain Adaptive Retrieval
- Title（参考訳）: ドメイン適応検索のための確率重み付きコンパクト機能
- Authors: Fuxiang Huang, Lei Zhang, Yang Yang, Xichuan Zhou
- Abstract要約: ドメイン適応画像検索は、単一ドメイン検索とクロスドメイン検索を含む。
既存の画像検索手法の多くは単一領域検索にのみ焦点をあてている。
本稿では,ドメイン間の検索に挑戦することに焦点を当てる。
- 参考スコア（独自算出の注目度）: 19.104542395011922
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Domain adaptive image retrieval includes single-domain retrieval and
cross-domain retrieval. Most of the existing image retrieval methods only focus
on single-domain retrieval, which assumes that the distributions of retrieval
databases and queries are similar. However, in practical application, the
discrepancies between retrieval databases often taken in ideal
illumination/pose/background/camera conditions and queries usually obtained in
uncontrolled conditions are very large. In this paper, considering the
practical application, we focus on challenging cross-domain retrieval. To
address the problem, we propose an effective method named Probability Weighted
Compact Feature Learning (PWCF), which provides inter-domain correlation
guidance to promote cross-domain retrieval accuracy and learns a series of
compact binary codes to improve the retrieval speed. First, we derive our loss
function through the Maximum A Posteriori Estimation (MAP): Bayesian
Perspective (BP) induced focal-triplet loss, BP induced quantization loss and
BP induced classification loss. Second, we propose a common manifold structure
between domains to explore the potential correlation across domains.
Considering the original feature representation is biased due to the
inter-domain discrepancy, the manifold structure is difficult to be
constructed. Therefore, we propose a new feature named Histogram Feature of
Neighbors (HFON) from the sample statistics perspective. Extensive experiments
on various benchmark databases validate that our method outperforms many
state-of-the-art image retrieval methods for domain adaptive image retrieval.
The source code is available at https://github.com/fuxianghuang1/PWCF
- Abstract（参考訳）: ドメイン適応画像検索は、単一ドメイン検索とクロスドメイン検索を含む。
既存の画像検索手法のほとんどは、検索データベースとクエリの分布が類似していると仮定して、単一ドメイン検索のみに焦点を当てている。
しかし, 実用上, 理想的な照明・ポーズ・バックグランド・カメラ条件における検索データベースと非制御条件における検索クエリとの差異は極めて大きい。
本稿では,実践的な応用を考慮し,クロスドメイン検索の課題に焦点をあてる。
そこで本研究では,ドメイン間相関ガイダンスによってドメイン間検索の精度を向上し,検索速度を向上させるために,一連のコンパクトバイナリコードを学習するPWCF(Probability Weighted Compact Feature Learning)を提案する。
まず,ベイジアン・パースペクティブ (BP) による焦点-ストリップレットの損失, BP誘発の量子化損失, BP誘発の分類損失による損失関数を導出する。
次に、ドメイン間のポテンシャル相関を探索するために、ドメイン間の共通多様体構造を提案する。
元の特徴表現はドメイン間の不一致のために偏りがあるため、多様体構造の構築は困難である。
そこで本研究では,HFON(Histogram Feature of Neighbors)という特徴をサンプル統計の観点から提案する。
各種ベンチマークデータベースにおける広範囲な実験により,本手法は領域適応画像検索の最先端画像検索法よりも優れていることを確認した。
ソースコードはhttps://github.com/fuxianghuang1/PWCFで入手できる。
関連論文リスト
- pEBR: A Probabilistic Approach to Embedding Based Retrieval [4.8338111302871525]
埋め込み検索は、クエリとアイテムの両方の共有セマンティック表現空間を学習することを目的としている。
現在の産業実践では、検索システムは典型的には、異なるクエリに対して一定数のアイテムを検索する。
論文 参考訳（メタデータ） (2024-10-25T07:14:12Z) - Test-Time Adaptation for Depth Completion [9.304152205375757]
いくつかの(ソース)データセットでトレーニングされたモデルを転送して、ドメイン間のギャップによってテストデータをターゲットにする場合、パフォーマンスの劣化を観測することが一般的である。
本稿では,1枚の画像とそれに伴うスパース深度マップから高密度深度マップを推定するタスクである深度完成のためのオンラインテスト時間適応手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T18:59:52Z) - Asymmetric Transfer Hashing with Adaptive Bipartite Graph Learning [95.54688542786863]
既存のハッシュ法では、クエリと検索サンプルは同じドメイン内の同質な特徴空間にあると仮定する。
教師なし/半教師付き/教師付き実現のための非対称トランスファーハッシュ(ATH)フレームワークを提案する。
非対称ハッシュ関数と二部グラフを共同最適化することにより、知識伝達が達成できるだけでなく、特徴アライメントによる情報損失も回避できる。
論文 参考訳（メタデータ） (2022-06-25T08:24:34Z) - Causality-inspired Single-source Domain Generalization for Medical Image
Segmentation [12.697945585457441]
合成ドメインシフトトレーニング例にセグメンテーションモデルを公開するための簡単なデータ拡張手法を提案する。
具体的には,1)画像強度とテクスチャの相違に頑健な深層モデルを実現するために,ランダムに重み付けされた浅層ネットワーク群を用いる。
我々は、ネットワークが予測を行うためのドメイン固有の手がかりとして捉えうる画像内のオブジェクト間の急激な相関を取り除き、未知のドメインに分解する可能性がある。
論文 参考訳（メタデータ） (2021-11-24T14:45:17Z) - Cross-Domain Generalization Through Memorization: A Study of Nearest
Neighbors in Neural Duplicate Question Detection [72.01292864036087]
重複質問検出(DQD)は,コミュニティの効率向上と自動質問応答システムの実現に重要である。
我々は、DQDのクロスドメイン一般化のために、ニューラル表現を活用し、近接する隣人を研究する。
StackExchange、Spring、Quoraの各データセットの異なるクロスドメインシナリオにおいて、このメソッドの堅牢なパフォーマンスを観察します。
論文 参考訳（メタデータ） (2020-11-22T19:19:33Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳（メタデータ） (2020-07-20T12:07:48Z) - Phase Consistent Ecological Domain Adaptation [76.75730500201536]
意味的セグメンテーション(意味的セグメンテーション)の課題に焦点をあてる。そこでは、注釈付き合成データが多用されるが、実際のデータへのアノテートは困難である。
視覚心理学に触発された最初の基準は、2つの画像領域間の地図が位相保存であることである。
第2の基準は、照明剤や撮像センサーの特性に関わらず、その画像に現れる環境統計、またはシーン内の規則を活用することを目的としている。
論文 参考訳（メタデータ） (2020-04-10T06:58:03Z) - Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。
本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。
複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
論文 参考訳（メタデータ） (2020-03-31T22:38:09Z) - Exploring Categorical Regularization for Domain Adaptive Object
Detection [27.348272177261233]
ドメイン適応オブジェクト検出のための分類規則化フレームワークを提案する。
一連のAdaptive Domain Faster R-CNNメソッドのプラグイン・アンド・プレイコンポーネントとして適用することができる。
提案手法は、元のDomain Adaptive Faster R-CNN検出器よりも優れた性能を得る。
論文 参考訳（メタデータ） (2020-03-20T08:53:10Z) - iFAN: Image-Instance Full Alignment Networks for Adaptive Object
Detection [48.83883375118966]
iFANは、イメージレベルとインスタンスレベルの両方で、機能の分散を正確に調整することを目的としている。
ソースのみのベースライン上で10%以上のAPで、最先端のメソッドよりも優れています。
論文 参考訳（メタデータ） (2020-03-09T13:27:06Z)
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。