《表5 网络微调后的各算法在四个标准库上的m AP值对比Tab.5 m AP comparison of algorithms after fine-tuning on four standard d

  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

本文对使用微调后的Res Net101网络进行相同的对比实验，比较当前主流算法使用微调或端到端训练的图像检索网络的检索效果。与文献[15]中使用的方法一致，本文也根据文献[14]端到端训练的方法对Res Net101进行微调，并提取res5c_relu层的输出最为原始图像的深度特征，其中通道数c=2 048。对比当前主流算法Net VLAD（Network with Vector of Locally Aggregated Descriptors layer）、CNNBo W（CNN image retrieval learns from Bo W）、DeepRepresentation（learning Deep Representations for image search）等，本文算法在进行过微调后的网络结构中效果同样要优于这些主流的进行过训练的方法。