RF-Net：一种基于感受野的端到端图像匹配网络
计算机视觉与模式识别
2019-06-04 v1
摘要
本文提出一种基于感受野的新的端到端可训练匹配网络 RF-Net，用于计算图像间的稀疏对应。构建端到端可训练匹配框架是理想且具有挑战性的。最近的 LF-Net 方法成功地将整个特征提取流程嵌入到联合可训练流程中，并取得了最先进的匹配结果。本文对 LF-Net 的结构做了两处改进。首先，我们提出构建感受野特征图，从而实现更有效的关键点检测。其次，我们引入一个通用的损失函数项——邻域掩码（neighbor mask），以辅助训练块的选择。这提升了描述子训练的稳定性。我们在开放数据集 HPatches 上训练 RF-Net，并在多个基准数据集上与其他方法比较。实验表明 RF-Net 优于现有最先进方法。
引用
@article{arxiv.1906.00604,
title = {RF-Net: An End-to-End Image Matching Network based on Receptive Field},
author = {Xuelun Shen and Cheng Wang and Xin Li and Zenglei Yu and Jonathan Li and Chenglu Wen and Ming Cheng and Zijian He},
journal= {arXiv preprint arXiv:1906.00604},
year = {2019}
}
备注
9 pages, 6 figures