《表4 各算法在四个标准数据库上的m AP值对比Tab.4 m AP comparison of algorithms on four standard databases》

  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

《基于显著性语义区域加权的图像检索算法》

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

在现有未进行任何微调的VGG16卷积神经网络框架下，本文算法与当前一些主流算法结果进行比较，对比全局特征向量维度为512维下的结果（如表4~5），本文算法的m AP值，与当前的主流算法PWA[15]相比在Oxford5K上提升了1.4个百分点，在Paris6K上提升了0.5个百分点。本文算法维度提升至4 096维度，最终在Oxford5K上提升了0.5个百分点，在Paris6K上提升了0.8个百分点。与Tri-embedding、FAemb、RVD-W这些传统的“Bo W模型”方法相比，本文算法在提升检索的准确率的同时，对空间和时间消耗也大幅度降低。本文算法的深度特征语义加权聚合与R-MAC、SPo C、Cro W等算法相比，充分考虑了语义区域的不规则性以及显著性区域的重要性。