《表1 D=4 096时不同N的图像检索平均精确率》

  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

《联合加权聚合深度卷积特征的图像检索方法》

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

所有图像的深度卷积特征均取自基于Caffe框架VGG16网络pool5层输出，网络参数是在ImageNet数据集上预先训练好的。和其他同类方法一致，本文只对Oxford5k和Paris6k数据集上的55张查询图像进行裁剪，通过计算查询图像检索的平均精确率来度量图像检索的性能。在Oxford5k和Oxford105k数据集上测试时，使用Paris6k数据集训练PCA和白化参数；在Paris6k和Paris106k数据集上测试时，使用Oxford5k数据集训练PCA和白化参数。本文主要参数是所选语义探测器的数量N和最终表示的全局特征向量的维度D，使用本文方法和SBA方法分别在Oxford5k和Paris6k数据集上进行实验对比。表1给出了D=4 096时，选择不同N的图像检索平均精确率。