用于双视图几何的带引导损失与混合注意力的级联网络
计算机视觉与模式识别
2020-07-17 v2
摘要
本文致力于设计一个用于双视图几何的高性能网络。我们首先提出一种引导损失(Guided Loss)，并通过在训练过程中动态调整正负类权重，从理论上建立了该损失与Fn-measure之间的直接负相关关系，从而使网络始终朝着提高Fn-measure的方向训练。通过这种方式，网络能在保持交叉熵损失优势的同时最大化Fn-measure。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能捕获复杂的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从而获得更优性能。实验表明，我们的网络在基准数据集上取得了SOTA性能。
引用
@article{arxiv.2007.05706,
title = {Cascade Network with Guided Loss and Hybrid Attention for Two-view Geometry},
author = {Zhi Chen and Fan Yang and Wenbing Tao},
journal= {arXiv preprint arXiv:2007.05706},
year = {2020}
}