PN-Net：用于学习局部图像描述符的联结三重深度网络
计算机视觉与模式识别
2016-01-20 v1
摘要
在本文中，我们提出一种用于学习匹配图像块的局部描述符的新方法。近来已证明基于卷积神经网络（CNN）的描述符能显著改善匹配性能。遗憾的是，它们的计算复杂度对于任何实际应用都过高。我们着手解决该问题，并提出一种基于CNN的描述符，其具有改进的匹配性能、显著减少的训练与执行时间，以及低维度。我们提议使用包含正负样本对的图像块三元组来训练网络。为此，我们引入了一种利用三元组内关系的新损失函数。我们将我们的方法与最近提出的MatchNet和DeepCompare进行比较，并展示了我们的描述符在性能、内存占用和速度方面的优势，即在GPU上运行时，我们128维特征的提取时间与可用的最快二进制描述符（如BRIEF和ORB）相当。
引用
@article{arxiv.1601.05030,
title = {PN-Net: Conjoined Triple Deep Network for Learning Local Image Descriptors},
author = {Vassileios Balntas and Edward Johns and Lilian Tang and Krystian Mikolajczyk},
journal= {arXiv preprint arXiv:1601.05030},
year = {2016}
}