基于环状 RNN 的图像匹配
机器学习
2017-06-20 v3 计算机视觉与模式识别
摘要
大多数现有的匹配算法都是一次性算法，即它们通常只测量一次两个图像特征表示向量之间的距离。相比之下，人类的视觉系统通过递归地观察两幅图像的特定/相关部分然后做出最终判断来完成这项任务，即图像匹配。为此，我们提出了一种新颖的环状循环神经网络（Loopy RNN），它能够以渐进/迭代的方式聚合两幅输入图像的关系信息，并在最终迭代中输出综合匹配得分。Loopy RNN 具有两个独特之处。首先，它建立在传统的长短期记忆（LSTM）节点上，将尾节点的输出门连接到头节点的输入门，从而带来了匹配所需的对称性属性。其次，为该网络设计的单调损失保证了在递归匹配过程中置信度不断增加。在几个图像匹配基准上的大量实验证明了所提方法的巨大潜力。
引用
@article{arxiv.1706.03190,
title = {Image Matching via Loopy RNN},
author = {Donghao Luo and Bingbing Ni and Yichao Yan and Xiaokang Yang},
journal= {arXiv preprint arXiv:1706.03190},
year = {2017}
}
备注
6 pages, 5 figures, International Joint Conference on Artificial Intelligence(IJCAI)