《表5 Challenging ground-truth数据集上不同方法对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合模型集成与特征融合的图像拷贝检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在Challenging ground-truth数据集上，本文进一步测试了多模型之间的特征融合方式，结果如表5所示，其中PT表示预训练模型，FT表示微调模型，FUSE即多模型融合，具体融合时使用的模型用上标表示，ALL表示RMACFT、RMACPT、CONV4FT、CONV4PT四种特征融合。在Copydays数据集上，RMACFT+CONV4PT表现最好，但是在Challenging ground-truth数据集上表现并不好。主要原因是Challenging ground-truth数据集包含了大量相似图像的干扰，如图6所示，其中（2)～（5）为（1）的相似图像，（6）～(10）为（1）的拷贝图像。相似图像与拷贝图像在高层语义上十分接近，因此RMAC特征表现较差，相反，低层局部特征CONV4包含了更多的细节信息，区分能力更强，因此表5中表现最好的一组特征是CONV4FT+CONV4PT，即两个模型的局部特征融合。