FCSS：用于稠密语义对应的全卷积自相似性
计算机视觉与模式识别
2017-02-06 v1
摘要
我们提出一种称为全卷积自相似性（FCSS）的描述子，用于稠密语义对应。为了在同一物体类别的不同实例间鲁棒地匹配点，我们在全卷积网络中利用局部自相似性（LSS）来表述 FCSS。与现有的基于 CNN 的描述子不同，FCSS 因其基于 LSS 的结构而本质上对类内外观变化不敏感，同时保持了深度神经网络的精确定位能力。局部结构的采样模式与自相似性度量在所提网络中以端到端和多尺度的方式联合学习。由于语义对应的训练数据相当有限，我们提议利用现有图像数据集中提供的物体候选先验以及物体对之间的对应一致性来实现弱监督学习。实验表明，FCSS 在各种基准上优于传统的手工描述子和基于 CNN 的描述子。
引用
@article{arxiv.1702.00926,
title = {FCSS: Fully Convolutional Self-Similarity for Dense Semantic Correspondence},
author = {Seungryong Kim and Dongbo Min and Bumsub Ham and Sangryul Jeon and Stephen Lin and Kwanghoon Sohn},
journal= {arXiv preprint arXiv:1702.00926},
year = {2017}
}