HPatches：手工设计与学习型局部描述符的基准测试与评估
计算机视觉与模式识别
2017-04-21 v1
摘要
在本文中，我们提出了一种用于评估局部图像描述符的新型基准测试。我们证明，现有的数据集和评估协议并未明确指定评估的所有方面，导致文献中报告的结果存在歧义和不一致性。此外，由于近期通过从大型标注数据集中学习获得的局部描述符性能提升，这些数据集已接近饱和。因此，我们引入了一个适用于训练和测试现代描述符的新大型数据集，以及在匹配、检索和分类等任务中严格定义的评估协议。这使得在不同应用场景下的比较更加现实，从而更加可靠。我们评估了多种最先进描述符的性能并分析了它们的特性。我们表明，对传统手工设计描述符进行简单的归一化处理，可以在现实的基准测试评估中将其性能提升至基于深度学习的描述符水平。
引用
@article{arxiv.1704.05939,
title = {HPatches: A benchmark and evaluation of handcrafted and learned local descriptors},
author = {Vassileios Balntas and Karel Lenc and Andrea Vedaldi and Krystian Mikolajczyk},
journal= {arXiv preprint arXiv:1704.05939},
year = {2017}
}