基于引导损失与混合注意力级联网络的好对应点查找方法
计算机视觉与模式识别
2021-02-02 v1
摘要
查找好对应点是许多基于特征的任务的关键前提。给定图像对的假定对应点集合，我们提出一种神经网络，通过二分类器找出正确对应点，并通过分类后的对应点估计相对位姿。首先，我们分析由于正确与错误对应点数量的不平衡，损失函数对分类结果有很大影响。因此，我们提出一种新的引导损失（Guided Loss），可直接利用评价指标（F_n测度）作为指导，在训练过程中动态调整目标函数。我们从理论上证明了引导损失与F_n测度之间的完美负相关，从而使网络始终朝着增大F_n测度的方向训练以最大化该值。接着，我们提出一个混合注意力块来提取特征，它集成了贝叶斯注意力上下文归一化（BACN）与通道注意力（CA）。BACN能挖掘先验信息以更好地利用全局上下文，CA能捕获复杂通道上下文以增强网络的通道感知能力。最后，基于我们的引导损失与混合注意力块，设计了一个级联网络以逐步优化结果，获得更优性能。实验表明，我们的网络在基准数据集上达到了最先进的性能。我们的代码将发布于 https://github.com/wenbingtao/GLHA。
引用
@article{arxiv.2102.00411,
title = {Cascade Network with Guided Loss and Hybrid Attention for Finding Good Correspondences},
author = {Zhi Chen and Fan Yang and Wenbing Tao},
journal= {arXiv preprint arXiv:2102.00411},
year = {2021}
}
备注
Accepted by AAAI2021. arXiv admin note: substantial text overlap with arXiv:2007.05706