摘要

最近的研究表明，基于卷积神经网络（Convolutional Neural Network, CNN）构建的图像表示能够为图像搜索提供有效的描述符，其性能优于作为短向量表示的预CNN特征。然而，这类模型与几何感知重排序方法不兼容，并且在某些特定的对象检索基准测试中仍被依赖精确描述符匹配、几何重排序或查询扩展的传统图像搜索系统所超越。本文重新审视了检索过程中的两个阶段，即初始搜索和重排序，通过使用从CNN中提取的相同原始信息来改进这两个阶段。我们构建了紧凑的特征向量，能够在无需多次输入网络的情况下编码多个图像区域。此外，我们将积分图扩展到处理卷积层激活的最大池化操作，从而能够高效地定位匹配对象。最终生成的边界框用于图像重排序。因此，本文显著改进了现有的基于CNN的识别流程：首次在具有挑战性的Oxford5k和Paris6k数据集上报告了与传统方法相竞争的结果。