GLA-Net：一种带引导损失用于误匹配剔除的注意力网络
计算机视觉与模式识别
2019-10-01 v1
摘要
误匹配剔除是许多基于特征任务的 critical 前提。近期尝试将误匹配剔除任务视为二分类问题并通过基于深度学习的方法求解。这些方法中正负类的不平衡十分重要，其影响网络性能即 Fn-score。为建立 Fn-score 与损失之间的联系，我们提出直接用 Fn-score 引导损失。我们从理论上证明了训练中引导损失与 Fn-score 的直接联系。此外，我们发现离群点常损害误匹配剔除网络中的全局上下文。为解决此问题，我们将注意力机制引入误匹配剔除任务并提出一种新颖的内点注意力块（IA Block）。为评估我们损失与 IA Block 的有效性，我们设计了一个端到端的误匹配剔除网络，称为 GLA-Net。实验表明我们的网络在基准数据集上达到了最先进（SOTA）性能。
引用
@article{arxiv.1909.13092,
title = {GLA-Net: An Attention Network with Guided Loss for Mismatch Removal},
author = {Zhi Chen and Fan Yang and Wenbing Tao},
journal= {arXiv preprint arXiv:1909.13092},
year = {2019}
}