一种面向均匀采样关键点的基于区域的描述子网络
计算机视觉与模式识别
2021-03-03 v1 机器学习
图像与视频处理
摘要
匹配不同图像的关键点对是计算机视觉的一项基础任务。大多数方法需要定制的极值点方案以获得高置信度的特征点坐标，这往往需要复杂的算法设计或训练难度更高的网络，并且忽视了平坦区域可用作匹配点候选区域的可能性。本文中，我们结合深度网络的上下文特征设计了一种基于区域的描述子。该新描述子即便在平坦区域也能对一个点给出鲁棒的表示。借助新描述子，我们无需极值点操作即可获得更多高置信度匹配点。实验结果表明，我们提出的方法取得了与 SOTA 相当的性能。
引用
@article{arxiv.2103.01780,
title = {A region-based descriptor network for uniformly sampled keypoints},
author = {Kai Lv and Zongqing Lu and Qingmin Liao},
journal= {arXiv preprint arXiv:2103.01780},
year = {2021}
}
备注
5 pages