找了一下CVPR 2014關(guān)于Image and Video Retrieval的文章，列在下面：

Oral：Triangulation embedding and democratic aggregation for image search ? ,Jegou?

? ? ? ? Jegou依然在填BOW模型的坑，在encoding和aggregation兩方面做改進(jìn)。

Poster：Bayes Merging of Multiple Vocabularies for Scalable Image Retrieval

? ? ? ?主要是針對(duì)同一訓(xùn)練集訓(xùn)練出的多個(gè)碼書如何融合在一起能提高效率。問題的分析感覺還是比較合理的（由于特征的overlap使得性能沒有發(fā)揮最大作用。）

Poster：Packing and Padding: Coupled Multi-index for Accurate Image Retrieval ?

Poster：Locality in Generic Instance Search from One Example

? ? ? 作者是參加Trecvid Ins競賽的。現(xiàn)在只能看到摘要，通過摘要以及從ins2013的notepaper的簡介上來看，和老師年初建議我做的事情驚人相似。Pdf還沒發(fā)布，等著看。五顆星。

Poster：Asymmetric sparse kernel approximations for large-scale visual?search

Poster：Visual Semantic?Search: Retrieving Videos via Complex Textual Queries ? ?, Lin Dahua

Poster：Adaptive Object?Retrieval?with Kernel Reconstructive Hashing?

Poster：Fisher and?VLAD?with FLAIR ?, Koen

Poster：Learning Fine-grained Image Similarity with DeepRanking

深度學(xué)習(xí)用上了，最后的學(xué)習(xí)采用了Learn to Rank的那思想。感覺這個(gè)方向是對(duì)的。不過數(shù)據(jù)集是自己收集的，汗。它的目標(biāo)和檢索還是有稍微的不同吧。

Poster：Congruency-Based Reranking

from:　http://blog.csdn.net/jwh_bupt/article/details/23039357

總結(jié)

以上是生活随笔為你收集整理的CVPR14与图像视频检索相关的论文的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。