2018
Cairn
Mathieu Gaillard et al., « CNN features for Reverse Image Search », Document numérique, ID : 10670/1.dkrxyr
Les activations des unités des couches supérieures des réseaux de neurones à convolution (caractéristiques CNN) se sont révélées être de bons descripteurs pour la recherche d’image. Dans ce papier, nous étudions les caractéristiques CNN pour la recherche d’image inversée. Nous évaluons la robustesse de ces caractéristiques contre des modifications courantes. Dans une première partie, nous présentons un benchmark de systèmes de recherche d’image inversée. Pour référence, nous évaluons des méthodes traditionnelles : comme les fonctions de hachage perceptuel. Dans une seconde partie, nous évaluons les caractéristiques CNN. Nous montrons que les caractéristiques CNN sont plus performantes que les fonctions de hachage perceptuel, même dans le cas de réseaux de neurones entrainés sur des tâches de classification non liées. Les caractéristiques CNN sont plus robustes contre les rotations et le rognage. Finalement, nous dressons une liste de couches de différents réseaux de neurones qui sont de bons descripteurs lorsqu’ils sont comparés avec une distance cosinus.