基于自适应Siamese网络的局部特征描述子学习
机器学习
2017-06-19 v1 机器学习
摘要
尽管深度神经网络的近期进展促进了可学习局部特征描述子的发展，但对于神经网络必要规模的估计尚无明确答案。具体而言，局部特征在低维空间中表示，因此神经网络应具有更紧凑的结构。局部特征描述子学习所需的小型网络可能对初始条件和学习参数敏感，且更易陷入局部极小值。为了解决上述问题，我们引入一种基于神经元激活的自适应剪枝Siamese架构来学习局部特征描述子，使网络在计算上更高效，且识别率优于更复杂的网络。我们的实验表明，我们学习到的局部特征描述子在图像块匹配上优于state-of-the-art方法。
引用
@article{arxiv.1706.05358,
title = {Local Feature Descriptor Learning with Adaptive Siamese Network},
author = {Chong Huang and Qiong Liu and Yan-Ying Chen and Kwang-Ting and Cheng},
journal= {arXiv preprint arXiv:1706.05358},
year = {2017}
}
备注
4 pages, 2 tables, 1 figure