HyNet：采用混合相似性度量与三元组损失的局部描述子学习
计算机视觉与模式识别
2020-11-10 v3
摘要
近期工作表明，局部描述子学习得益于L2归一化的使用，然而文献中缺乏对此效应的深入分析。在本文中，我们探究L2归一化如何在训练期间影响反向传播的描述子梯度。基于我们的观察，我们提出了HyNet，一种取得新最先进匹配结果的新型局部描述子。HyNet为三元组间隔损失引入了混合相似性度量、一个约束描述子范数的正则化项，以及一种对所有中间特征图与输出描述子执行L2归一化的新网络架构。HyNet在标准基准（包括块匹配、验证与检索）上以显著优势超越先前方法，并在三维重建任务上优于完整的端到端方法。
引用
@article{arxiv.2006.10202,
title = {HyNet: Learning Local Descriptor with Hybrid Similarity Measure and Triplet Loss},
author = {Yurun Tian and Axel Barroso-Laguna and Tony Ng and Vassileios Balntas and Krystian Mikolajczyk},
journal= {arXiv preprint arXiv:2006.10202},
year = {2020}
}