具有全局视觉信息增强的实时局部特征
计算机视觉与模式识别
2022-11-22 v1
摘要
局部特征为各类视觉任务提供紧凑且不变的图像表示。当前基于深度学习的局部特征算法总是利用感受野受限的卷积神经网络（CNN）架构。此外，即便借助高性能 GPU 设备，局部特征的计算效率仍不能令人满意。本文中，我们通过提出一种基于 CNN 的局部特征算法来解决此类问题。所提方法引入全局增强模块以在轻量网络中融合全局视觉线索，并从局部特征匹配任务的角度通过新颖的深度强化学习方案优化该网络。在公开基准上的实验表明，该方案能取得对视觉干扰相当强的鲁棒性，同时可实时运行。
引用
@article{arxiv.2211.10981,
title = {Real-time Local Feature with Global Visual Information Enhancement},
author = {Jinyu Miao and Haosong Yue and Zhong Liu and Xingming Wu and Zaojun Fang and Guilin Yang},
journal= {arXiv preprint arXiv:2211.10981},
year = {2022}
}
备注
6 pages, 5 figures, 2 tables. Accepted by ICIEA 2022