利用户外网络摄像头进行局部描述子学习
计算机视觉与模式识别
2021-01-05 v2
摘要
我们提出 AMOS Patches，一个大规模图像裁剪块集合，主要用于增强可训练局部特征描述子对照明与外观变化的鲁棒性。构成 AMOS Patches 的图像源自 AMOS 数据集，该数据集收录了来自大量户外网络摄像头的记录。本文描述了用于生成 AMOS Patches 的半自动方法，包括摄像头选择、视角聚类与块选择。对于训练，我们同时提供配准的完整源图像与裁剪块。引入了一个在 AMOS Patches 与 6Brown 数据集上训练的新描述子，其在标准基准上光照变化下的匹配达到了 SOTA（state-of-the-art，最优性能）。
引用
@article{arxiv.1901.09780,
title = {Leveraging Outdoor Webcams for Local Descriptor Learning},
author = {Milan Pultar and Dmytro Mishkin and Jiří Matas},
journal= {arXiv preprint arXiv:1901.09780},
year = {2021}
}