一种改进的协变局部特征检测学习框架
计算机视觉与模式识别
2018-11-04 v1
摘要
与手工设计的特征检测相比，学习式特征检测在很大程度上是一个未被充分探索的领域。近期的学习公式在其损失函数中使用协变约束来学习协变检测器。然而，仅从协变约束学习会导致检测出不稳定的特征。为了进一步赋予稳定性，检测器被训练来提取由手工设计检测器获得的预定特征。然而在此过程中，它们失去了检测新颖特征的能力。为了克服上述局限，我们提出了一种改进方案，通过以三元组形式并结合仿射协变约束来引入协变约束。我们表明，使用这些附加约束，可以在不使用预定特征进行训练的情况下，学习检测新颖且稳定的特征。大量实验表明，我们的模型在 Vgg-Affine、EF 和 Webcam 等知名数据集上的可重复性得分达到了最先进的性能。
引用
@article{arxiv.1811.00438,
title = {An Improved Learning Framework for Covariant Local Feature Detection},
author = {Nehal Doiphode and Rahul Mitra and Shuaib Ahmed and Arjun Jain},
journal= {arXiv preprint arXiv:1811.00438},
year = {2018}
}
备注
15 pages