대규모 타투 이미지 검색: 공동 탐지 및 압축 표현 학습

비디오 감시 및 소셜 미디어에서 디지털 이미지의 폭발적인 성장은 법집행 및 포렌식 응용 프로그램에서 관심 있는 인물에 대한 효율적인 검색 필요성을 크게 증가시켰습니다. 주요 생체 특성(예: 얼굴 및 지문) 기반 인물 식별에서 엄청난 발전이 있었으나, 단일 생체 특성만으로는 포렌식 시나리오에서 원하는 인식 정확도를 충족할 수 없습니다. 타투는 중요한 소프트 생체 특성 중 하나로, 인물 식별을 지원하는 데 가치가 있음이 발견되었습니다. 그러나 많은 양의 비제한 이미지에서 타투 검색은 여전히 어려운 문제이며, 기존의 타투 검색 방법은 잘라낸 타투 매칭에 주로 초점을 맞추고 있어 실제 응용 시나리오와 다릅니다. 이 격차를 줄이기 위해, 우리는 다중 작업 학습을 통해 단일 합성곱 신경망(CNN)에서 타투 탐지 및 압축 표현을 공동으로 학습할 수 있는 효율적인 타투 검색 접근 방식을 제안합니다. 백본 네트워크의 특징은 타투 탐지와 압축 표현 학습 모두에 의해 공유되며, 각 서브 네트워크의 개별 잠재적 레이어는 공유된 특징을 탐지 및 특징 학습 작업에 따라 최적화합니다. 우리는 무작위 이미지 스티치 및 선행 특징 버퍼링을 통해 공동 타투 탐지 및 압축 표현 학습 네트워크 내의 소량 배치 크기 문제를 해결합니다. 우리는 여러 공개 도메인 타투 벤치마크를 사용하여 제안된 타투 검색 시스템을 평가하며, 이러한 데이터 세트 및 인터넷에서 수집한 약 30만 개의 방해용 타투 이미지로 구성된 갤러리 세트를 사용합니다. 또한, 스케치 기반 타투 검색을 위한 300개의 타투가 포함된 타투 스케치 데이터 세트를 소개합니다. 실험 결과는 제안된 접근 방식이 여러 최첨단 타투 검색 알고리즘에 비해 타투 탐지 및 대규모 타투 검색에서 우수한 성능을 보여줌을 나타냅니다.