gvnn：用于几何计算机视觉的神经网络库
计算机视觉与模式识别
2016-08-15 v3 机器学习
摘要
我们介绍了 gvnn，这是一个基于 Torch 的神经网络库，旨在弥合经典几何计算机视觉与深度学习之间的差距。受空间变换网络 (Spatial Transformer Networks) 近期成功的启发，我们提出了几种新层，这些层常作为几何计算机视觉中数据的参数化变换使用。这些层可以以类似于原始空间变换器的精神插入到神经网络中，并允许反向传播，从而实现涉及任何几何计算机视觉领域知识的网络的端到端学习。这开启了在地点识别中学习对 3D 几何变换的不变性、端到端视觉里程计、深度估计以及通过参数化变换进行扭曲以实现图像重建误差的无监督学习等应用。
引用
@article{arxiv.1607.07405,
title = {gvnn: Neural Network Library for Geometric Computer Vision},
author = {Ankur Handa and Michael Bloesch and Viorica Patraucean and Simon Stent and John McCormac and Andrew Davison},
journal= {arXiv preprint arXiv:1607.07405},
year = {2016}
}
备注
Submitted to ECCV Workshop on Deep Geometry