学习协变特征检测器

局部协变特征检测，即从图像中提取视角不变特征的问题，迄今为止在很大程度上抵制了机器学习技术的应用。在本文中，我们提出了第一个用于学习局部协变特征检测器的完全通用公式。我们建议将检测视为一个回归问题，从而能够使用诸如深度神经网络等强大的回归器。然后我们推导出一个协变约束，可用于自动学习哪些视觉结构为局部特征检测提供了稳定的锚点。我们从理论上支持这些想法，提出了一种基于几何变换的局部特征新颖分析，并且我们表明所有常见和许多不常见的检测器都可以在该框架中推导出来。最后，我们在标准特征基准上展示了关于平移和旋转协变检测器的经验结果，显示了该框架的能力和灵活性。