GoodPoint：关键点检测与描述的无监督学习
计算机视觉与模式识别
2020-06-02 v1 机器学习
摘要
本文提出一种用于关键点检测器与描述符无监督学习的新算法，其在不同数据集上展现出快速收敛与良好性能。训练过程使用图像的单应变换。所提模型学习在变换图像对上检测点并生成描述符，这些点易于区分且可被重复检测。为便于比较，训练后的模型遵循 SuperPoint 架构，并在 HPatches 数据集的自然图像上展现出与 SuperPoint 相似的性能，在 Fundus Image Registration Dataset 的视网膜图像（含少量类角点特征）上表现更优。对于 HPatches 及其他数据集，还计算了覆盖率以更好地估计模型质量。
引用
@article{arxiv.2006.01030,
title = {GoodPoint: unsupervised learning of keypoint detection and description},
author = {Anatoly Belikov and Alexey Potapov},
journal= {arXiv preprint arXiv:2006.01030},
year = {2020}
}