《表4 BOVW、VLAD、IFK对AlexNet、VGG-M提取的卷积层特征编码的检索结果》
同样,本文利用常见的BOVW、VLAD、IFK3种编码方法对从AlexNet和VGG-M网络中提取的单一卷积层特征进行编码整合,并用于UC-Merced遥感数据检索,检索结果见表4。由表4可知,IFK编码特征结果最好,VLAD特征其次,BOVW结果最差。这是因为BOVW是把特征点做K-means聚类,然后用离特征点最近的一个聚类中心去代替该特征点,损失较多信息;VLAD也只考虑离特征点最近的聚类中心,但保存了每个特征点到离它最近的聚类中心的距离,没有损失信息;IFK保存了特征点的方差和均值,包含了原特征点每一维的值,并且包含了生成式建模过程的结构性信息,对图像局部信息有更细致的刻画。相比于Conv5和Conv5pool,Conv5relu层特征效果最好,原因可能是未池化的Conv5relu含有更多的特征信息,在编码整合后形成更紧凑有效的表示。其中,VGG-M网络的Conv5relu_IFK取得最好的结果(ANMRR为0.448 1,mAP为0.473 3)。结合表3可知,VD-16的结果更好,说明本文提出的方法更有效。实验结果表明,相比于直接对卷积层特征进行编码,利用全连接层和卷积层汇聚的方法提高了检索精度。
图表编号 | XD0052904400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.20 |
作者 | 杨珂、李从敏、周维勋、程起敏、任应超 |
绘制单位 | 武汉大学测绘遥感信息工程国家重点实验室、武汉大学测绘遥感信息工程国家重点实验室、武汉大学测绘遥感信息工程国家重点实验室、华中科技大学电子信息与通信学院、中国科学院遥感与数字地球研究所遥感科学国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |