计算机工程与应用

2020, v.56;No.963(20) 199-205

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

结合模型集成与特征融合的图像拷贝检测
Image Copy Detection Based on Model Ensemble and Feature Fusion

武光华;张旭东;葛维;孙鸽;毛财胜;

摘要(Abstract):

基于内容的图像拷贝检测关键在于提取的图像特征能够针对不同形式的图像拷贝攻击具有不变性。现实中拷贝攻击手段变化多样,且存在很多相似图像的干扰,目前并没有任何一种图像特征可以对抗所有不同形式的图像攻击。现有方法虽然在图像特征表示上做了很多改进,但都局限于单个特征表示。因此从特征融合的角度对提取特征进行增强,基于卷积神经网络融合图像高层特征以及低层特征以实现特征多样性,集成ImageNet预训练分类模型以及提出的距离度量模型以实现特征互补性。度量模型针对该类问题在预训练模型的基础上通过学习合适的距离度量来对抗由于图像编辑引起的特征差异,拉近拷贝图像与原始图像在特征空间的距离。实验结果表明,结合模型集成和多层深度特征融合的方式可以有效增强特征的鲁棒性,相比单一特征的检测效果提升十分明显。

关键词(KeyWords): 拷贝检测;特征融合;卷积神经网络;度量学习;图像检索

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.61976038,No.61932020,No.61772108)

作者(Author): 武光华;张旭东;葛维;孙鸽;毛财胜;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享