《表5 Challenging ground-truth数据集上不同方法对比》
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。
图表编号 | XD00222623200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 武光华、张旭东、葛维、孙鸽、毛财胜 |
绘制单位 | 国网河北省电力有限公司电力科学研究院、国网河北省电力有限公司、国网河北省电力有限公司、大连理工大学软件学院、大连理工大学软件学院 |
更多格式 | 高清、无水印(增值服务) |