学习为特征点分配方向
计算机视觉与模式识别
2016-04-12 v2
摘要
我们展示了如何训练卷积神经网络，在给定以特征点为中心的图像块时，为特征点分配规范方向。我们的方法在特征点匹配上优于最先进水平，并且可与任何现有的旋转敏感描述符结合使用。为避免寻找学习目标方向的繁琐且几乎不可能的任务，我们提出使用连体网络，其在训练期间隐式找到最优方向。我们还提出了一种用于神经网络的新类型激活函数，它推广了流行的 ReLU、maxout 和 PReLU 激活函数。这种新激活函数对我们的任务表现更好。我们使用四个现有数据集（包括两个非平面数据集）以及我们自己的数据集广泛验证了方法的有效性。我们表明我们无需针对每个数据集重新训练即可超越最先进水平。
引用
@article{arxiv.1511.04273,
title = {Learning to Assign Orientations to Feature Points},
author = {Kwang Moo Yi and Yannick Verdie and Pascal Fua and Vincent Lepetit},
journal= {arXiv preprint arXiv:1511.04273},
year = {2016}
}
备注
Accepted as Oral presentation in Computer Vision and Pattern Recognition, 2016