DART：面向事件相机的分布感知视网膜变换
计算机视觉与模式识别
2018-11-15 v3
摘要
我们引入一种通用视觉描述子，称为分布感知视网膜变换（DART），它利用对数极坐标网格为事件相机编码结构上下文。DART描述子被应用于四个不同的问题，即对象分类、跟踪、检测与特征匹配：（1）DART特征在词袋分类框架中直接用作局部描述子，并在四个标准基于事件的物体数据集（N-MNIST、MNIST-DVS、CIFAR10-DVS、NCaltech-101）上进行测试。（2）扩展分类系统，跟踪通过两个关键创新演示：（i）为克服二分类器一次性学习的低样本问题，利用统计自助法与在线学习；（ii）为实现跟踪器鲁棒性，利用DART描述子的尺度与旋转等变性质进行一次性学习。（3）为解决长期对象跟踪问题，基于簇多数投票原理设计了一个对象检测器。然后将该检测方案与跟踪器结合，在公开可用事件相机数据集上获得高交并比分数及增广的地面真值标注。（4）最后，DART编码的事件上下文极大简化了特征对应问题，特别是对于时间上相隔很远的时空切片，这是基于事件的视觉领域此前未明确解决的问题。
引用
@article{arxiv.1710.10800,
title = {DART: Distribution Aware Retinal Transform for Event-based Cameras},
author = {Bharath Ramesh and Hong Yang and Garrick Orchard and Ngoc Anh Le Thi and Shihao Zhang and Cheng Xiang},
journal= {arXiv preprint arXiv:1710.10800},
year = {2018}
}
备注
12 pages, revision submitted to TPAMI in Nov 2018