CN117453944B - 一种多层级显著区域分解的无监督实例检索方法及系统 - Google Patents
一种多层级显著区域分解的无监督实例检索方法及系统 Download PDFInfo
- Publication number
- CN117453944B CN117453944B CN202311793485.XA CN202311793485A CN117453944B CN 117453944 B CN117453944 B CN 117453944B CN 202311793485 A CN202311793485 A CN 202311793485A CN 117453944 B CN117453944 B CN 117453944B
- Authority
- CN
- China
- Prior art keywords
- instance
- feature
- features
- reference picture
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 38
- 238000010606 normalization Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 26
- 238000007781 pre-processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000011176 pooling Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000004513 sizing Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012733 comparative method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000581017 Oliva Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000001994 activation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Library & Information Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种多层级显著区域分解的无监督实例检索方法及系统，其基于图结构归一化切割方法，提出显著区域分解的实例定位方法和基于掩码的感兴趣区域特征提取方法，实现了图像中的显著实例发现和显著实例的多层级分解。本发明解决了先前方法提取图像级特征或者区域级实例特征的问题；提高了实例级及其子区域定位的准确性与完整性；提高实例特征的特征区分度同时减少背景噪声对实例定位结果的干扰。
Description
技术领域
本发明涉及图像处理领域，尤其是涉及一种多层级显著区域分解的无监督实例检索方法及系统，该方法可用于实例检索、相似商品检索、以图搜图等的。
背景技术
实例检索旨在从图像数据库中搜索包含指定查询实例的图像并给出该实例的定位结果。实例检索任务在视频中物体搜索、在线商品检索等任务中有着广泛需求。鉴于在实际场景中，图像包含广泛的实例类别和繁杂的背景信息，实例检索任务所面临查询与定位问题也更具挑战性。
对于实例检索，由于现有可定位实例检索的方法大多是有监督方法，需要苛刻的监督标注来对模型进行训练，在实际场景中想收集大量可用的标注数据用于实例定位模型的训练是不现实的；实例定位方法也具有类别敏感问题，在面对训练数据外的物体时定位性能大幅下降，所以用无监督的方式进行实例定位更具泛化性也更具实际意义。对于特征提取部分，由于在实际场景中，使用矩形框给出实例定位不可避免地背景噪声，会极大地影响实例级特征的区分度，所以可去除背景噪声信息特征提取方法也凸显出其重要价值。因此，无监督实例定位和实例级特征提取是本发明所关注并解决的两个任务。
然而，在现阶段的无监督实例检索方法中，基于手工设计的特征进行的关键区域局部特征方法，如尺度不变特征转换及其变体方法，为图像间相似度匹配带来了高昂的计算量需求，同时无法鲁棒地应对图像非刚性变换的情况；基于深度特征的方法，一种常用的方法是提取整张图像的特征作为实例级特征，在面对实际复杂场景时，通常图像中会出现的多种实例，这种方法无法为图像中出现的各个实例分别提取实例级特征；另一种方法虽然可以提取实例级特征，但是仅能定位实例的局部，无法完整地定位实例并给出完整的实例特征。
发明内容
针对无监督实例检索中需要解决的多层级实例定位和实例级特征提取的任务中存在的上述问题，本发明的目的在于提供一种多层级显著区域分解的无监督实例检索方法，以提高实例特征及其子区域定位的准确性与完整性，提高实例特征的特征区分度。
为实现上述目的，本发明采用的技术方案是：
一种多层级显著区域分解的无监督实例检索方法，所述检索方法为：将输入查询图片进行特征提取得到查询特征，将所述查询特征与参考特征数据库中的实例特征进行特征匹配，获取与查询特征最为相似的前个实例特征；所述参考特征数据库中的实例特征由参考图片库中的参考图片经多层级实例特征提取后得到，每一参考图片的多层级实例特征提取包括以下步骤：
步骤1、使用特征编码器将参考图片切割为多个图像块，并对图像块进行特征编码；然后根据图像块特征两两之间的相似度构建带权重的无向图，其中，/>为图像块特征，其为无向图的结点；/>表示图像块特征之间的相似度，其为无向图的边；
特征编码器对参考图片进行处理时，保存其在特征编码器中前向传播时产生的梯度参数，该梯度参数包括输入层梯度、输出层梯度和中间各层梯度；
步骤2、对无向图进行归一化切割，将无向图进行二分得到两个子图，将每个子图中包含的图像块映射映回参考图片，寻找相同图像块在参考图片中的联通区域，得到一个或多个新的子图；
根据设置的迭代轮数对上述得到的子图继续进行归一化切割处理，将每轮迭代得到的子图均进行保存，得到多个子图，每一个子图均对应于参考图片中的一个实例，即经过步骤2处理得到了多个实例；
步骤3、获取每一个实例的定位结果；
首先，计算每一个实例的输出贡献概率；
将步骤2得到的实例与步骤1保存的输出层梯度在每个通道上进行矩阵逐元素乘法，得到每一个实例的输出贡献概率；
然后，计算每一个实例的输入贡献概率；
对于每一个实例，根据步骤1保存的输入层梯度、输出层梯度和中间各层梯度进行反向传播，逐层反向计算下一层中每个向量对上一层中每个向量的贡献概率，最终得到输入层中的每一个向量对该实例贡献概率，即输入层对每一个实例的贡献概率；
最后，根据输入层对每一个实例的贡献概率，使用预先设置的阈值，大于该阈值的像素认为是对实例定位贡献突出的像素置为1，反之置为0，最终得到使用0或1标记的二值掩码，即得到每个实例的二值掩码，并将其作为每一个实例的定位结果；
步骤4、将参考图片输入基于卷积神经网络架构的特征提取器中，得到参考图片特征图；对于每一个实例的二值掩码进行下采样，得到与特征图尺寸相同的掩码，作为该实例的感兴趣区域；将下采样得到的掩码感兴趣区域与参考图片特征图相乘，然后在每一个通道上使用一般化平均池化，从而得到每一个实例的特征表达，即得到实例特征。
所述步骤1中，所述特征编码器对参考图片进行处理之前，对参考图片进行预处理，进行尺寸裁剪和输入格式处理。
所述步骤1中，构建出带权重的无向图后，使用设定的阈值对无向图中低权重边进行过滤，去除无向图中的冗余边。
一种多层级显著区域分解的无监督实例检索系统，包括单特征提取模块和特征匹配模块，所述单特征提取模块用于对查询图片进行特征提取，以获得查询特征；所述特征匹配模块用于将查询特征与参考特征数据库中的实例特征进行匹配，以获取与查询特征最为相似的前个实例特征；所述实例特征由参考图片库中的参考图片经多层级实例特征提取模块进行特征提取得到；所述多层级实例特征提取模块包括特征编码单元、实例分解单元、回传定位单元、特征图获取单元和特征提取单元；
所述特征编码单元，使用特征编码器将参考图片切割为多个图像块，并对图像块进行特征编码；然后根据图像块特征两两之间的相似度构建带权重的无向图，其中，/>为图像块特征，其为无向图的结点；/>表示图像块特征之间的相似度，其为无向图的边；所述特征编码单元还用于保存参考图片在特征编码器中前向传播时产生的梯度参数，该梯度参数包括输入层梯度、输出层梯度和中间各层梯度；
所述实例分解单元，用于对无向图进行归一化切割，将无向图进行二分得到两个子图，将每个子图中包含的图像块映射映回参考图片，寻找相同图像块在参考图片中的联通区域，得到一个或多个新的子图；根据设置的迭代轮数对得到的子图继续进行归一化切割处理，将每轮迭代得到的子图均进行保存，得到多个子图，每一个子图均对应于参考图片中的一个实例，那么经过实例分解单元处理得到了多个实例；
所述回传定位单元，用于获取每一个实例的定位结果；具体如下：
首先，计算每一个实例的输出贡献概率；
将实例分解单元得到的实例与步骤1保存的输出层梯度在每个通道上进行矩阵逐元素乘法，得到每一个实例的输出贡献概率；
然后，计算每一个实例的输入贡献概率；
对于每一个实例，根据前向过程中保存的输入层梯度、输出层梯度和中间各层梯度进行反向传播，逐层反向计算下一层中每个向量对上一层中每个向量的贡献概率，最终得到输入层中的每一个向量对该实例贡献概率，即输入层对每一个实例的贡献概率；
最后，根据输入层对每一个实例的贡献概率，使用预先设置的阈值，大于该阈值的像素认为是对实例定位贡献突出的像素置为1，反之置为0，最终得到使用0或1标记的二值掩码，即得到每个实例的二值掩码，并将其作为每一个实例的定位结果；
特征图获取单元，使用基于卷积神经网络架构的特征提取器对参考图片进行处理，获取特征图；
特征提取单元，用于对每一个实例的二值掩码进行下采样，得到与特征图尺寸相同的掩码；将下采样得到的掩码与特征图相乘，然后在每一个通道上使用一般化平均池化，从而得到每一个实例的特征表达，即得到实例特征。
所述多层级实例特征提取模块还包括预处理单元，所述预处理单元用于对参考图片进行预处理，进行尺寸裁剪和输入格式处理，所述特征编码单元处理的是所述预处理单元处理后的参考图片。
所述特征编码单元在构建得到无向图后，还使用设定的阈值对无向图中低权重边进行过滤，去除无向图中的冗余边。
本发明采用了多层级实例分解定位和使用掩码的特征提取，一方面实现了图像中各类显著区域中的实例分解，同时提供实例高质量的基于掩码的定位结果，极大扩充了图像中实例的穷尽度，极大提高了图像中实例的定位精度；另一方面，使用掩码提取感兴趣区域特征，提取特征的过程可以很好地避免背景信息噪声的干扰，提高特征之间的区分度，增强特征的表达能力。
附图说明
图1为本发明的方法流程图；
图2为本发明多层级实例特征提取流程图；
图3为本发明多层级实例特征提取示意图；
图4为本发明基于掩码的感兴趣区域特征提取方法与传统的感兴趣区域特征提取方法比较图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
为了使本发明的目的、技术方案及优点更加清楚明白，以下实施例将结合附图对本发明进行作进一步的说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，以下对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
本发明揭示了一种多层级显著区域分解的无监督实例检索方法，所述检索方法为：将输入查询图片进行特征提取得到查询特征，将所述查询特征与参考特征数据库中的实例特征进行特征匹配，获取与查询特征最为相似的前个实例特征。本发明的关键在于，本发明中的参考特征数据库中的实例特征由参考图片库中的参考图片经多层级实例特征提取后得到，一个参考图片经过多层实例特征提取后能够获得一个或多个实例特征。
本发明中，每一参考图片的多层级实例特征提取过程包括以下步骤：
步骤1、首先对参考图片进行预处理，对图片进行尺寸裁剪、输入格式处理。然后使用无监督的特征编码器将参考图片切割为多个图像块，并对图像块进行特征编码；然后根据图像块特征两两之间的相似度构建带权重的无向图，其中，/>为图像块特征，其为无向图的结点；/>表示图像块特征之间的相似度，其为无向图的边。
在无向图构建完成后，可以使用预先设定的阈值对部分低权重边进行过滤，去除图结构中的部分冗余边。
步骤1中，在使用特征编码器对参考图片进行处理时，保存参考图片在特征编码器中前向传播时产生的梯度参数，该梯度参数包括输入层梯度、输出层梯度和中间各层梯度。
步骤2、对无向图进行归一化切割，将无向图进行二分得到两个子图，将每个子图中包含的图像块映射映回参考图片，寻找相同图像块在参考图片中的联通区域，得到一个或多个新的子图。
然后根据设置的迭代轮数对上述得到的子图继续进行归一化切割处理，将每轮迭代得到的子图均进行保存，得到多个子图。每一个子图都是一个具有紧凑语义的结点集合，因此可以认为每一个子图均对应于参考图片中的一个实例，实例合集表示为。这里/>表示每一实例，/>、/>表示实例的高度、宽度。每一实例的尺寸相对于参考图片是缩小的。
步骤3、获取每一个实例的定位结果。该步骤具体如下：
首先，计算每一个实例的输出贡献概率。
将步骤2得到的实例与步骤1保存的输出层梯度在每个通道上进行矩阵逐元素乘法，得到每一个实例的输出贡献概率：
其中，表示输出层梯度，/>、/>、/>表示子图（实例）的通道数、高度、宽度。
然后，计算每一个实例的输入贡献概率。
对于每一个实例，根据 步骤1保存的特征编码器各层的梯度参数进行反向传播，使用输出层梯度贡献概率将输出层作为反向传播起点，逐层反向计算下一层中每个向量对上一层中每个向量的梯度贡献概率，最终得到输入层（即原图）中的每一个向量对该实例梯度贡献概率。在反向传播的过程中，上一层的贡献概率/>可以由上一层贡献概率/>计算得到，具体计算公式如下：
其中，表示第/>个实例的上一层梯度贡献概率，/>表示输入层梯度，/>、/>分别为、/>在通道/>方向上的向量，向量b的梯度贡献概率为/>，/>、/>、/>分别为特征编码器上一层的线性层权重，/>为/>，/>、/>为归一化参数。
在逐层反向传播的过程中，得到的上一层梯度贡献概率又作为下一次计算时的下一层梯度贡献概率，再次使用上述计算公式重复执行计算过程。最终得到特征编码器输入层对该实例梯度贡献概率，即实例的输入贡献概率。在特征编码器中执行反向传播过程后，最终得到的梯度贡献概率是与原参考图片尺寸相同的。
最后，根据输入层对每一个子图的贡献概率，使用预先设置的阈值，大于该阈值的像素认为是对实例定位贡献突出的像素置为1，反之置为0，最终得到使用0或1标记的二值掩码，即得到每个实例的二值掩码，并将其作为每一个子图的定位结果。
步骤4、将参考图片输入基于卷积神经网络架构的特征提取器中，得到参考图片特征图；对于每一个实例的二值掩码进行下采样，得到与特征图尺寸相同的掩码，作为该实例的感兴趣区域；将下采样得到的掩码感兴趣区域与参考图片特征图相乘，然后在每一个通道上使用一般化平均池化，从而得到每一个实例的特征表达，即得到实例特征。
本发明在获取实例特征时采用的是基于掩码的感兴趣区域特征提取方法，与传统的感兴趣区域特征提取方法的区别在于：本发明使用下采样后的掩码与特征图相乘，随后在每一个通道上使用一般化平均池化，从而得到每一个实例的特征表达。感兴趣区域特征提取方法对应的方法为Ross Girshick提出的Fast R-CNN中涉及的感兴趣区域特征提取方法。
基于同一发明构思，本发明还揭示了一种多层级显著区域分解的无监督实例检索系统，包括单特征提取模块和特征匹配模块，所述单特征提取模块用于对查询图片进行特征提取，以获得查询特征；所述特征匹配模块用于将查询特征与参考特征数据库中的实例特征进行匹配，以获取与查询特征最为相似的前个实例特征。该系统还包括多层级实例特征提取模块，所述实例特征由参考图片库中的参考图片经多层级实例特征提取模块进行特征提取得到。
多层级实例特征提取模块包括特征编码单元、实例分解单元、回传定位单元和特征提取单元。
其中，特征编码单元使用特征编码器将参考图片切割为多个图像块，并对图像块进行特征编码；然后根据图像块特征两两之间的相似度构建带权重的无向图，其中，/>为图像块特征，其为无向图的结点；/>表示图像块特征之间的相似度，其为无向图的边。
特征编码单元还用于保存参考图片在特征编码器中前向传播时产生的梯度参数，该梯度参数包括输入层梯度、输出层梯度和中间各层梯度。
特征编码单元在构建得到无向图后，还使用设定的阈值对无向图中低权重边进行过滤，去除无向图中的冗余边。
实例分解单元用于对无向图进行归一化切割，将无向图进行二分得到两个子图，将每个子图中包含的图像块映射映回参考图片，寻找相同图像块在参考图片中的联通区域，得到一个或多个新的子图；根据设置的迭代轮数对得到的子图继续进行归一化切割处理，将每轮迭代得到的子图均进行保存，得到多个子图，每一个子图均对应于参考图片中的一个实例，那么经过实例分解单元处理得到了多个实例，实例合集表示为。
回传定位单元用于获取每一个实例的定位结果。具体如下：
首先，计算每一个实例的输出贡献概率。
将实例分解单元得到的实例与步骤1保存的输出层梯度进行相乘，得到每一个实例的输出贡献概率，如下：
其中，表示输出层梯度，/>、/>、/>表示子图的通道数、高度、宽度。
然后，计算每一个实例的输入贡献概率。
对于每一个实例，根据前向过程中保存的梯度进行反向传播，逐层计算上一层对下一层的贡献概率，最终得到输入层对每一个实例贡献概率，即实例的输入贡献概率。
逐层计算过程中，上一层的贡献概率可以由上一层贡献概率/>计算得到，具体计算公式如下：
其中，表示第/>个实例的上一层梯度贡献概率，/>表示输入层梯度，/>、/>分别为、/>在通道/>方向上的向量，向量b的梯度贡献概率为/>，/>、/>、/>分别为特征编码器上一层的线性层权重，/>为/>，/>、/>为归一化参数。
最后，根据输入层对每一个实例的贡献概率，使用预先设置的阈值，大于该阈值的像素认为是对实例定位贡献突出的像素置为1，反之置为0，最终得到使用0或1标记的二值掩码，即得到每个实例的二值掩码，即得到每个实例的二值掩码，并将其作为每一个实例的定位结果。
特征图获取单元使用基于卷积神经网络架构的特征提取器对参考图片进行处理，获取特征图。
特征提取单元用于对每一个实例的二值掩码进行下采样，得到与特征图尺寸相同的掩码；将下采样得到的掩码与特征图相乘，然后在每一个通道上使用一般化平均池化，从而得到每一个实例的特征表达，即得到实例特征。
多层级实例特征提取模块还包括预处理单元，所述预处理单元用于对参考图片进行预处理，进行尺寸裁剪和输入格式处理，所述特征编码单元处理的是所述预处理单元处理后的参考图片。
综上，本发明提供了一种多层级显著区域分解的无监督实例检索方法及系统，其使用无监督的特征编码器对图像块进行特征编码并根据特征相似度构建无向图，然后将无向图切割并根据连通性进行逐层分解得到子图集合；将子图集合进行反向回传根据贡献概率得到图像中的实例定位；最后使用掩码的感兴趣区域特征提取方法提取实例级特征。本发明解决了现有方法提取图像级特征或者区域级实例特征的问题，提高了实例级及其子区域定位的准确性与完整性；提高实例特征的特征区分度同时减少背景噪声对实例定位结果的干扰。与现有无监督方法相比，均取得了最好的效果。
在实例检索任务中，在三个公认的实例检索任务数据集Instance-160、Instance-335和INSTRE上进行测试，来论证本发明的有效性。本发明和R-MAC、CAM-weight、BLCF、DASR和CutLER方法使用mAP-50、mAP-100和mAP-all三个检索指标进行检索效果的对比，和DASR和CutLER方法使用mIoU进行定位精度的对比，以体现本发明方法的先进性，如表1、表2所示，本发明的方法被称作MSAR。在评价前对所有方法模型采用与DASR文献中所述的归一化及白化策略、特征提取层数选择策略，以反映实际场景的真实需求。
表1
表2
从表1可以看出，本发明的方法在Instance-160、Instance-335、INSTRE三个数据集下的mAP-50、mAP-100和mAP-all都高于其他对比方法模型，说明本方法检索性能的先进性。从表2可以看出，本发明的方法在Instance-160、Instance-335、INSTRE三个数据集下的mIoU都高于其他对比方法模型，说明本方法定位精度的先进性。
R-MAC对应的方法为 Giorgos Tolias等人提出的方法（Giorgos Tolias, RonanSicre, and Herve Jegou, “Particular object retrieval with integral max-pooling of cnn activations,” arXiv preprint arXiv:1511.05879, 2015）。
CAM-weight对应的方法为Bolei Zhou等人提出的方法（Bolei Zhou, AdityaKhosla, Agata Lapedriza, Aude Oliva, and Antonio Torralba, “Learning deepfeatures for discriminative localization,” in CVPR, 2016, pp.2921–2929）。
BLCF和BLCF-SalGAN对应的方法为Eva Mohedano等人提出的方法（Eva Mohedano,Kevin McGuinness, Xavier Giro-i-Nieto, and Noel E O’Connor, “Saliencyweighted convolutional features for instance search,” in CBMI, 2018, pp. 1–6）。
DASR对应的方法为Hui-Chu Xiao等人提出的方法（Hui-Chu Xiao, Wan-LeiZhao, Jie Lin, Yi-Geng Hong, and Chong-Wah Ngo, “Deeply activated salientregion for instance search,” TOMM, vol.18, pp.1–19, 2022）。
CutLER对应的方法为Xudong Wang等人提出的方法（Xudong Wang，RohitGirdhar，Stella X Yu，and Ishan Misra，“Cut and learn for unsupervised objectdetection and instance segmentation，” in CVPR，2023，pp.3124-3134）。
本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (6)
1.一种自顶向下的多层级显著区域分解的无监督实例检索方法，所述检索方法为：将输入查询图片进行特征提取得到查询特征，将所述查询特征与参考特征数据库中的实例特征进行特征匹配，获取与查询特征最为相似的前K个实例特征；其特征在于，所述参考特征数据库中的实例特征由参考图片库中的参考图片经多层级实例特征提取后得到，每一参考图片的多层级实例特征提取包括以下步骤：
步骤1、使用特征编码器将参考图片切割为多个图像块，并对图像块进行特征编码；然后根据图像块特征两两之间的相似度构建带权重的无向图，其中，V为图像块特征，其为无向图的结点；E表示图像块特征之间的相似度，其为无向图的边；
特征编码器对参考图片进行处理时，保存其在特征编码器中前向传播时产生的梯度参数，该梯度参数包括输入层梯度、输出层梯度和中间各层梯度；
步骤2、对无向图进行归一化切割，将无向图进行二分得到两个子图，将每个子图中包含的图像块映射映回参考图片，寻找相同图像块在参考图片中的联通区域，得到一个或多个新的子图；
根据设置的迭代轮数对上述得到的新的子图继续进行归一化切割处理，将每轮迭代得到的子图均进行保存，得到多个子图，每一个子图均对应于参考图片中的一个实例，那么经过步骤2处理也得到了多个实例；
步骤3、获取每一个实例的定位结果；
首先，计算每一个实例的输出贡献概率；
将步骤2得到的实例与步骤1保存的输出层梯度在每个通道上进行矩阵逐元素乘法，得到每一个实例的输出贡献概率；
然后，计算每一个实例的输入贡献概率；
对于每一个实例，根据步骤1保存的输入层梯度、输出层梯度和中间各层梯度进行反向传播，逐层反向计算下一层中每个向量对上一层中每个向量的贡献概率，最终得到输入层中的每一个向量对该实例贡献概率，即输入层对每一个实例的贡献概率；
最后，根据输入层对每一个实例的贡献概率，使用预先设置的阈值，大于该阈值的像素认为是对实例定位贡献突出的像素置为1，反之置为0，最终得到使用0或1标记的二值掩码，即得到每个实例的二值掩码，并将其作为每一个实例的定位结果；
步骤4、将参考图片输入基于卷积神经网络架构的特征提取器中，得到特征图；对于每一个实例的二值掩码进行下采样，得到与特征图尺寸相同的掩码，作为该实例的感兴趣区域；将下采样得到的掩码感兴趣区域与特征图相乘，然后在每一个通道上使用一般化平均池化，从而得到每一个实例的特征表达，即得到实例特征。
2.根据权利要求1所述的一种自顶向下的多层级显著区域分解的无监督实例检索方法，其特征在于，所述步骤1中，所述特征编码器对参考图片进行处理之前，对参考图片进行预处理，进行尺寸裁剪和输入格式处理。
3.根据权利要求1所述的一种自顶向下的多层级显著区域分解的无监督实例检索方法，其特征在于，所述步骤1中，构建出带权重的无向图后，使用设定的阈值对无向图中低权重边进行过滤，去除无向图中的冗余边。
4.一种自顶向下的多层级显著区域分解的无监督实例检索系统，包括单特征提取模块和特征匹配模块，所述单特征提取模块用于对查询图片进行特征提取，以获得查询特征；所述特征匹配模块用于将查询特征与参考特征数据库中的实例特征进行匹配，以获取与查询特征最为相似的前K个实例特征；其特征在于，所述实例特征由参考图片库中的参考图片经多层级实例特征提取模块进行特征提取得到；所述多层级实例特征提取模块包括特征编码单元、实例分解单元、回传定位单元、特征图获取单元和特征提取单元；
所述特征编码单元，使用特征编码器将参考图片切割为多个图像块，并对图像块进行特征编码；然后根据图像块特征两两之间的相似度构建带权重的无向图，其中，V为图像块特征，其为无向图的结点；E表示图像块特征之间的相似度，其为无向图的边；所述特征编码单元还用于保存参考图片在特征编码器中前向传播时产生的梯度参数，该梯度参数包括输入层梯度、输出层梯度和中间各层梯度；
所述实例分解单元，用于对无向图进行归一化切割，将无向图进行二分得到两个子图，将每个子图中包含的图像块映射映回参考图片，寻找相同图像块在参考图片中的联通区域，得到一个或多个新的子图；根据设置的迭代轮数对得到的新的子图继续进行归一化切割处理，将每轮迭代得到的子图均进行保存，得到多个子图，每一个子图均对应于参考图片中的一个实例，那么经过实例分解单元处理得到了多个实例；
所述回传定位单元，用于获取每一个实例的定位结果；具体如下：
首先，计算每一个实例的输出贡献概率；
将实例分解单元得到的实例与步骤1保存的输出层梯度在每个通道上进行矩阵逐元素乘法，得到每一个实例的输出贡献概率；
然后，计算每一个实例的输入贡献概率；
对于每一个实例，根据前向过程中保存的输入层梯度、输出层梯度和中间各层梯度进行反向传播，逐层反向计算下一层中每个向量对上一层中每个向量的贡献概率，最终得到输入层中的每一个向量对该实例贡献概率，即输入层对每一个实例的贡献概率；
最后，根据输入层对每一个实例的贡献概率，使用预先设置的阈值，大于该阈值的像素认为是对实例定位贡献突出的像素置为1，反之置为0，最终得到使用0或1标记的二值掩码，即得到每个实例的二值掩码，并将其作为每一个实例的定位结果；
特征图获取单元，使用基于卷积神经网络架构的特征提取器对参考图片进行处理，获取特征图；
特征提取单元，用于对每一个实例的二值掩码进行下采样，得到与特征图尺寸相同的掩码；将下采样得到的掩码与特征图相乘，然后在每一个通道上使用一般化平均池化，从而得到每一个实例的特征表达，即得到实例特征。
5.根据权利要求4所述的一种自顶向下的多层级显著区域分解的无监督实例检索系统，其特征在于：所述多层级实例特征提取模块还包括预处理单元，所述预处理单元用于对参考图片进行预处理，进行尺寸裁剪和输入格式处理，所述特征编码单元处理的是所述预处理单元处理后的参考图片。
6.根据权利要求4所述的一种自顶向下的多层级显著区域分解的无监督实例检索系统，其特征在于：所述特征编码单元在构建得到无向图后，还使用设定的阈值对无向图中低权重边进行过滤，去除无向图中的冗余边。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311793485.XA CN117453944B (zh) | 2023-12-25 | 2023-12-25 | 一种多层级显著区域分解的无监督实例检索方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311793485.XA CN117453944B (zh) | 2023-12-25 | 2023-12-25 | 一种多层级显著区域分解的无监督实例检索方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117453944A CN117453944A (zh) | 2024-01-26 |
| CN117453944B true CN117453944B (zh) | 2024-04-09 |
Family
ID=89585926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311793485.XA Active CN117453944B (zh) | 2023-12-25 | 2023-12-25 | 一种多层级显著区域分解的无监督实例检索方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117453944B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117725243B (zh) * | 2024-02-07 | 2024-06-04 | 厦门大学 | 一种基于层级语义区域分解的类无关实例检索方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111914107A (zh) * | 2020-07-29 | 2020-11-10 | 厦门大学 | 一种基于多通道注意力区域扩展的实例检索方法 |
| CN111914110A (zh) * | 2020-07-29 | 2020-11-10 | 厦门大学 | 一种基于深度激活显著区域的实例检索方法 |
| CN115098620A (zh) * | 2022-07-26 | 2022-09-23 | 北方民族大学 | 一种注意力相似度迁移的跨模态哈希检索方法 |
| CN115205554A (zh) * | 2022-06-23 | 2022-10-18 | 厦门大学 | 一种基于语义概念抽取的检索方法 |
| CN115599942A (zh) * | 2022-11-08 | 2023-01-13 | 重庆师范大学（Cn） | 一种基于gcn的深度无监督跨模态检索方法 |
| CN115861616A (zh) * | 2022-12-09 | 2023-03-28 | 复旦大学 | 面向医学图像序列的语义分割系统 |
| CN115908134A (zh) * | 2022-11-21 | 2023-04-04 | 东北大学 | 面向机器视觉的渐进式遥感图像多层级语义分割方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10467756B2 (en) * | 2017-05-14 | 2019-11-05 | International Business Machines Corporation | Systems and methods for determining a camera pose of an image |
-
2023
- 2023-12-25 CN CN202311793485.XA patent/CN117453944B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111914107A (zh) * | 2020-07-29 | 2020-11-10 | 厦门大学 | 一种基于多通道注意力区域扩展的实例检索方法 |
| CN111914110A (zh) * | 2020-07-29 | 2020-11-10 | 厦门大学 | 一种基于深度激活显著区域的实例检索方法 |
| CN115205554A (zh) * | 2022-06-23 | 2022-10-18 | 厦门大学 | 一种基于语义概念抽取的检索方法 |
| CN115098620A (zh) * | 2022-07-26 | 2022-09-23 | 北方民族大学 | 一种注意力相似度迁移的跨模态哈希检索方法 |
| CN115599942A (zh) * | 2022-11-08 | 2023-01-13 | 重庆师范大学（Cn） | 一种基于gcn的深度无监督跨模态检索方法 |
| CN115908134A (zh) * | 2022-11-21 | 2023-04-04 | 东北大学 | 面向机器视觉的渐进式遥感图像多层级语义分割方法 |
| CN115861616A (zh) * | 2022-12-09 | 2023-03-28 | 复旦大学 | 面向医学图像序列的语义分割系统 |
Non-Patent Citations (1)
| Title |
|---|
| "融合多重实例关系的无监督跨模态哈希检索 ";李志欣等;《软件学报》;20231110;第34卷(第11期);第4973-4988页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117453944A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kang et al. | Shakeout: A new approach to regularized deep neural network training | |
| CN103390156B (zh) | 一种车牌识别方法及装置 | |
| CN117453944B (zh) | 一种多层级显著区域分解的无监督实例检索方法及系统 | |
| CN114385933B (zh) | 一种顾及语义的地理信息资源检索意图识别方法 | |
| Verelst et al. | Spatial consistency loss for training multi-label classifiers from single-label annotations | |
| CN112380978A (zh) | 基于关键点定位的多人脸检测方法、系统及存储介质 | |
| CN110083731B (zh) | 图像检索方法、装置、计算机设备及存储介质 | |
| CN113011444B (zh) | 一种基于神经网络频域注意力机制的图像识别方法 | |
| CN114168768A (zh) | 图像检索方法及相关设备 | |
| CN112784008B (zh) | 案件相似度确定方法及装置、存储介质、终端 | |
| Damiani et al. | Learning behavioral representations of human mobility | |
| CN113705598A (zh) | 数据分类方法、装置及电子设备 | |
| Zhang et al. | Learning a probabilistic topology discovering model for scene categorization | |
| CN110210572B (zh) | 图像分类方法、装置、存储介质及设备 | |
| CN115204318B (zh) | 事件自动层级分类方法及电子设备 | |
| CN116310624A (zh) | 用于图像的模型训练方法以及无监督图像哈希检索方法 | |
| CN115880696A (zh) | 一种基于深度学习的物联网卡管理方法、装置及相关介质 | |
| CN115205554A (zh) | 一种基于语义概念抽取的检索方法 | |
| CN115544214A (zh) | 一种事件处理方法、设备及计算机可读存储介质 | |
| CN110555209A (zh) | 训练词向量模型的方法及装置 | |
| CN114116953A (zh) | 基于词向量的高效率语义拓展检索方法、装置及存储介质 | |
| Syam et al. | An effective similarity measure via genetic algorithm for Content-Based Image Retrieval with extensive features | |
| CN113496228A (zh) | 一种基于Res2Net、TransUNet和协同注意力的人体语义分割方法 | |
| Liu et al. | Creating descriptive visual words for tag ranking of compressed social image | |
| Gao et al. | An efficient video indexing and retrieval algorithm using the luminance field trajectory modeling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |