用于几何模式识别的高维卷积网络
计算机视觉与模式识别
2020-05-19 v1 机器学习
机器学习
摘要
科学与工程中的许多问题都可以表述为高维空间中的几何模式。我们提出了用于几何配准背景下模式识别问题的高维卷积网络（ConvNets）。我们首先研究了卷积网络在检测高达32维（远高于卷积网络先前应用的维度）的高维空间中的线性子空间方面的有效性。然后，我们将高维卷积网络应用于刚性运动下的三维配准与图像对应估计。实验表明，我们的高维卷积网络优于先前依赖基于全局池化算子的深度网络的方法。
引用
@article{arxiv.2005.08144,
title = {High-dimensional Convolutional Networks for Geometric Pattern Recognition},
author = {Christopher Choy and Junha Lee and Rene Ranftl and Jaesik Park and Vladlen Koltun},
journal= {arXiv preprint arXiv:2005.08144},
year = {2020}
}
备注
Accepted for CVPR 2020 oral presentation