基于单应性数据集的局部图像特征检测器大规模评测
计算机视觉与模式识别
2018-07-23 v1
摘要
我们提出了一个用于评测局部特征检测器的大规模基准。我们的关键创新是引入了一种新的评测协议，该协议扩展并改进了标准的检测可重复性度量。新协议更适用于大量图像的评估，并降低了结果对不需要的干扰因素（如检测到的特征数量和特征放大因子）的依赖性。此外，我们的协议在多种实际场景下对检测器的预期性能提供了全面评估。利用最近引入的 HPatches 数据集中的图像，我们在两项主要任务上评测了一系列最先进的局部特征检测器：视角不变检测与光照不变检测。与先前的检测器评估不同，我们的研究包含多一个数量级的图像序列，从而实现了显著更鲁棒于过拟合的定量评估。我们还表明，与近期深度学习替代方案相比，传统检测器仍极具竞争力。
引用
@article{arxiv.1807.07939,
title = {Large scale evaluation of local image feature detectors on homography datasets},
author = {Karel Lenc and Andrea Vedaldi},
journal= {arXiv preprint arXiv:1807.07939},
year = {2018}
}
备注
Accepted to BMVC 2018