比较特征检测器：重复性准则中的偏差及其修正

大多数计算机视觉应用依赖于在不同图像间寻找局部对应关系的算法。这些算法检测并比较以尺度不变关键点为中心的稳定的局部不变描述子。鉴于该问题的重要性，新的关键点检测器和描述子不断被提出，每一个都声称比前一代性能更好（或具有互补性）。这引发了如何在非常多样的方法之间进行公平比较的问题。这种评估主要基于关键点在一系列图像扰动（模糊、光照、噪声、旋转、相似变换、单应性变换等）下的重复性准则。在本文中，我们论证经典的重复性准则偏向于产生冗余重叠检测的算法。为了补偿这种偏差，我们提出了一种考虑描述子重叠的重复率变体。我们将此变体应用于重新审视 Mikolajczyk 等人关于经典和新特征检测器的流行基准测试。实验证据表明，经修正的比较器严重扰乱了这些特征检测器的层级排序。