更快更好：一种用于角点检测的机器学习方法
计算机视觉与模式识别
2010-07-09 v1 机器学习
摘要
角点检测器的可重复性和效率决定了它在实际应用中的有用程度。可重复性很重要，因为从不同位置观察到的同一场景应产生对应于相同真实世界三维位置的特征 [Schmid et al 2000]。效率很重要，因为它决定了检测器结合进一步处理是否能以帧率运行。本文描述了三个进展。首先，我们提出了一种新的特征检测启发式方法，并利用机器学习从中推导出一个特征检测器，该检测器能够使用不到5%的可用处理时间完全处理实时的PAL视频。相比之下，大多数其他检测器甚至无法以帧率运行（Harris检测器115%，SIFT 195%）。其次，我们对该检测器进行了泛化，使其能够针对可重复性进行优化，而效率损失很小。第三，我们基于应用于三维场景的上述可重复性标准，对角点检测器进行了严格的比较。我们表明，尽管我们的启发式检测器主要是为速度而构建的，但在这些严格的测试中，它显著优于现有的特征检测器。最后，该比较表明，使用机器学习在可重复性方面带来了显著的提升，从而产生了一个既非常快速又质量极高的检测器。
引用
@article{arxiv.0810.2434,
title = {Faster and better: a machine learning approach to corner detection},
author = {Edward Rosten and Reid Porter and Tom Drummond},
journal= {arXiv preprint arXiv:0810.2434},
year = {2010}
}
备注
35 pages, 11 figures