存在离群点情况下的跨域图像匹配
计算机视觉与模式识别
2019-09-10 v1
摘要
由于 i) 训练集中图像条件变化有限，ii) 训练期间缺乏成对图像标签，iii) 离群点的存在使得图像匹配域不完全重叠，来自不同源域和目标域的图像集合之间的跨域图像匹配在深度学习时代具有挑战性。为此，我们提出了一种端到端架构，可以在无目标域标签的情况下匹配跨域图像，并通过离群点检测处理非重叠域。我们利用域适配和三元组约束来训练一个能够学习域不变且身份可区分表示的网络，并通过熵损失和我们提出的加权 MK-MMD 迭代检测离群点。在 Office [17] 数据集以及我们提出的数据集 Shape、Pitts-CycleGAN 上的大量实验证据表明，所提方法在不同基准上取得了最先进的跨域图像匹配和离群点检测性能。代码将公开提供。
引用
@article{arxiv.1909.03552,
title = {Cross Domain Image Matching in Presence of Outliers},
author = {Xin Liu and Seyran Khademi and Jan C. van Gemert},
journal= {arXiv preprint arXiv:1909.03552},
year = {2019}
}
备注
ICCV Workshop on Transferring and Adaptive Source Knowledge in Computer Vision (TASK-CV) 2019