참고문헌: Explore-Exploit Graph Traversal for Image Retrieval, CVPR2019
Github: https://github.com/layer6ai-labs/egt
Paper: http://www.cs.toronto.edu/~mvolkovs/cvpr2019EGT.pdf
해당 논문은 google landmark retrieval challenge 2019에서 3위를 차지한 Layer6팀의 Semi-Supervised Exploration in Image Retrieval논문을 통해서 접하게 되었다. 그래프 기반의 알고리즘이다.
Explore-Exploit Graph Traversal for Image Retrieval방법론은 해당 pipline의 Semi-Supervised EGT부분에서 사용하게 되며 Train-V2에서 label 정보에 영향을 주는 용도로 사용 한다. 다른 팀들은 QE를 주로 사용 하였는데 해당 저자들은 QE가 매우 제한적인 역역에 대해서 기술하기 때문에 EGT를 통해서 새로운 Query그래프를 만든다고 주장했다.
Explore-Exploit Graph Traversal for Image Retrieval
- k-NN graph traversal를 베이스로 explore과 exploit사이의 관게로부터 기술자가 빠르면서 효과적으로 추출한다.
- k-NN graph를 edge reweighting을 통해 효과적으로 통합한다.
- large retrieval tasks에 적합하다.
Algorithm
Results
@남현호, 본문 내용에 QE라는 언급이 나옵니다. 무슨 약자이고 해당 기술은 무엇입니까?
Query expansion (QE)이며 이것은 re-ranking 하는 방법입니다. 가장 유사가 높은 순으로 순위를 매긴후 Query의 벡터와 유사도가 높은 셈플의 벡터를 병합하여 다시 순위를 매기는 방법입니다.
– 해당 논문의 저자 살펴보기: http://www.cs.toronto.edu/~mvolkovs/
– 토론토대학 출신이군요. 역시 똑똑함.