研究文章
大规模而且对象检索本体和深当地多任务学习
|
过程:QUERY_EXPANSION |
|
输入: |
|
inputImgFeat:查询图像特征 |
|
startRetrievedImgFeatList:检索图像特性列表 |
|
k:检索图像的数量 |
|
numOfExpansion:查询扩展应用时间的数量。即使检索性能更好,它会有一个权衡与检索时间。推荐值:3。 |
|
输出: |
|
finalRetrievedImgFeatList:检索图像特性列表后在查询扩展 |
|
目标: |
|
提高检索结果 |
|
开始 |
|
finalRetrievedImgFeatList = startRetrievedImgFeatList #任务检索特性列表 |
|
#做查询扩展 |
|
为我= 0 numOfExpansion做: |
|
开始 |
|
meanImgFeat =意味着(finalRetrievedImgFeatList inputImgFeat)#计算平均向量的检索功能列表;这个向量包含所有检索结果之间的最一般的特性,可以用来计算距离所有输入功能。帮助识别异常值的距离和downrank他们使用一个合适的阈值。 |
|
finalRetrievedImgFeatList=检索(meanImgFeat,k)#计算平均向量之间的距离和特征的图像检索;reranking应用基于计算距离。最后,先k相似的图像作为检索结果。 |
|
结束 |
|
结束 |
|
