Pesquisa de Imagens de Tatuagem em Escala: Detecção Conjunta e Aprendizado de Representação Compacta

O crescimento explosivo de imagens digitais em vigilância por vídeo e mídias sociais levou à necessidade significativa de busca eficiente por pessoas de interesse na aplicação de lei e forense. Apesar do enorme progresso em traços biométricos primários (por exemplo, rosto e impressão digital) para identificação de pessoas, um único traço biométrico não pode atender à precisão de reconhecimento desejada em cenários forenses. As tatuagens, como um dos importantes traços biométricos suaves, mostraram-se valiosas para auxiliar na identificação de pessoas. No entanto, a busca por tatuagens em uma grande coleção de imagens não restritas permanece um problema difícil, e os métodos de busca existentes concentram-se principalmente na correspondência de tatuagens recortadas, o que difere dos cenários de aplicação real. Para fechar essa lacuna, propomos uma abordagem eficiente de busca por tatuagens que é capaz de aprender detecção de tatuagem e representação compacta conjuntamente em uma única rede neural convolucional (CNN) por meio de aprendizado multifuncional. Enquanto as características na rede base são compartilhadas tanto pela detecção de tatuagem quanto pelo aprendizado de representação compacta, as camadas latentes individuais de cada sub-rede otimizam as características compartilhadas em direção às tarefas de detecção e aprendizado de características, respectivamente. Resolvemos a questão do pequeno tamanho de lote dentro da rede conjunta de detecção de tatuagem e aprendizado de representação compacta através de costura aleatória de imagens e buffer de características anteriores. Avaliamos o sistema de busca de tatuagens proposto usando múltiplos benchmarks de tatuagens de domínio público e um conjunto de galeria com cerca de 300K imagens de tatuagens distraídas compiladas a partir desses conjuntos de dados e imagens da Internet. Além disso, também introduzimos um conjunto de dados de esboços de tatuagem contendo 300 tatuagens para busca de tatuagens baseada em esboços. Resultados experimentais mostram que a abordagem proposta tem desempenho superior em detecção de tatuagem e busca de tatuagens em escala em comparação com vários algoritmos de recuperação de tatuagens de estado da arte.