基于深度学习的细粒度素描图像检索的审查
Qing Luo1, Xiang Gao1, Bo Jiang1
1Yuxi Power Supply Bureau, Yunnan Power Grid Co., Ltd., Yuxi, China.
Mathematical biosciences and engineering : MBE
|December 21, 2023
概括
使用深度学习的细粒度素描图像检索,提供了超出一般类别的精确目标识别. 本综述涵盖了这项有价值的技术的最新进展,数据集和未来研究方向.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 草图图像检索对于使用草图作为查询进行内容搜索至关重要.
- 传统方法缺乏具体性,限制了实际应用.
- 细粒度检索通过允许精确的目标识别来解决局限性.
研究的目的:
- 综合审查基于深度学习的细粒度素描图像检索 (FG-SIR) 技术.
- 分析最近的研究文献,并确定关键的进展.
- 提供对数据集,指标和未来研究方向的见解.
主要方法:
- 在FG-SIR.最近的研究的文献综述.
- 对FG-SIR.应用的深度学习技术的分析.
- 介绍和比较关键的FG-SIR数据集 (QMUL ShoeV2,ChairV2,PKU Sketch Re-ID) 的使用情况.
主要成果:
- 深度学习显著提高了FG-SIR的精度和特异性.
- 为领先的数据集建立了基准和绩效指标.
- 确定了共同的挑战和有前途的未来研究途径.
结论:
- 对于有针对性的图像检索,FG-SIR是一个至关重要的领域,超越了传统方法.
- 深度学习方法对于在FG-SIR中实现高性能至关重要.
- 需要进一步的研究来应对现有的挑战,并释放充分的潜力.
