《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》
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。
图表编号 | XD0035547000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 陈宏宇、邓德祥、颜佳、范赐恩 |
绘制单位 | 武汉大学电子信息学院、武汉大学电子信息学院、武汉大学电子信息学院、武汉大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |