ApolloScape 数据集上兴趣点检测器的稳定性评估
计算机视觉与模式识别
2018-10-01 v1
摘要
近年来，若干基于深度学习的新型兴趣点检测器被提出，如 LIFT、DELF、Superpoint 与 LF-Net。然而，缺乏一个标准基准来评估这些新型关键点检测器在自动驾驶等真实应用中的适用性。传统基准(例如 Oxford VGG)相当有限，因为它们由在有利条件下拍摄的、大多为平面场景的少量图像组成。本文中，我们验证近期基于深度学习的兴趣点检测器是否相对于传统的手工设计关键点检测器具有优势。为此，我们在街景视角的 ApolloScape 数据集上评估若干手工设计与近期基于学习的兴趣点检测器的稳定性。
引用
@article{arxiv.1809.11039,
title = {Interest point detectors stability evaluation on ApolloScape dataset},
author = {Jacek Komorowski and Konrad Czarnota and Tomasz Trzcinski and Lukasz Dabala and Simon Lynen},
journal= {arXiv preprint arXiv:1809.11039},
year = {2018}
}