Key.Net：基于手工设计与学习型 CNN 滤波器的关键点检测
计算机视觉与模式识别
2019-11-05 v3
摘要
我们提出一种用于关键点检测任务的新方法，该方法在浅层多尺度架构中结合了手工设计与学习型 CNN 滤波器。手工设计的滤波器为学习型滤波器提供锚定结构，后者对可重复特征进行定位、打分与排序。网络内部采用尺度空间表示以在不同层级提取关键点。我们设计了一个损失函数以检测存在于一系列尺度上的鲁棒特征，并最大化可重复性得分。我们的 Key.Net 模型在由 ImageNet 合成生成的数据上训练，并在 HPatches 基准上评估。结果表明，我们的方法在可重复性、匹配性能与复杂度方面均优于 SOTA 检测器。
引用
@article{arxiv.1904.00889,
title = {Key.Net: Keypoint Detection by Handcrafted and Learned CNN Filters},
author = {Axel Barroso-Laguna and Edgar Riba and Daniel Ponsa and Krystian Mikolajczyk},
journal= {arXiv preprint arXiv:1904.00889},
year = {2019}
}