基于卷积神经网络的描述子匹配：与SIFT的比较
计算机视觉与模式识别
2015-06-25 v2 机器学习
摘要
最新结果表明，通过卷积神经网络学习的特征在分类任务上大幅优于先前的描述子。已有研究显示，当这些网络应用于与训练时不同的数据集或识别任务时，仍然表现良好。然而，像SIFT这样的描述子不仅用于识别，还用于许多依赖于描述子匹配的对应问题。在本文中，我们将卷积神经网络各层的特征与标准SIFT描述子进行比较。我们考虑了一个在ImageNet上训练的网络和另一个无监督训练的网络。令人惊讶的是，卷积神经网络在描述子匹配上明显优于SIFT。本文已与arXiv:1406.6909合并。
引用
@article{arxiv.1405.5769,
title = {Descriptor Matching with Convolutional Neural Networks: a Comparison to SIFT},
author = {Philipp Fischer and Alexey Dosovitskiy and Thomas Brox},
journal= {arXiv preprint arXiv:1405.5769},
year = {2015}
}
备注
This paper has been merged with arXiv:1406.6909