一种用于航空图像匹配的双流对称网络与双向集成方法
计算机视觉与模式识别
2020-02-05 v1 机器学习
摘要
在本文中，我们提出一种新方法，通过双流深度网络精确匹配在不同环境下获取的两幅航空图像。通过对目标图像进行内部增强，网络以三幅输入图像考虑双流，并在训练中反映额外的增强图像对。结果，深度网络的训练过程得到正则化，网络对航空图像的方差具有鲁棒性。此外，我们引入一种基于双向网络的集成方法，其动机来自几何变换的同构性质。我们在无任何额外网络或参数的情况下获得两个全局变换参数，这缓解了非对称匹配结果，并通过融合两个输出显著提升性能。实验中，我们采用来自 Google Earth 和国际摄影测量与遥感学会（ISPRS）的航空图像。为定量评估我们的结果，我们应用正确关键点概率（PCK）度量，其衡量匹配程度。定性与定量结果表明，相较于传统的航空图像匹配方法，性能存在显著差距。所有代码及我们训练的模型，以及数据集均在线可用。
引用
@article{arxiv.2002.01325,
title = {A Two-Stream Symmetric Network with Bidirectional Ensemble for Aerial Image Matching},
author = {Jae-Hyun Park and Woo-Jeoung Nam and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2002.01325},
year = {2020}
}
备注
20pages