基于动态特征选择的鲁棒图像匹配
计算机视觉与模式识别
2020-08-14 v1
摘要
估计图像间的稠密对应是一个长期存在的图像理解任务。近期工作引入卷积神经网络（CNNs）来提取高层特征图并通过特征匹配寻找对应。然而，高层特征图空间分辨率低，因此不足以提供准确且细粒度的特征来区分类内变化以进行对应匹配。为解决该问题，我们通过动态选择不同尺度的特征来生成鲁棒特征。为解决特征选择中的两个关键问题，即选择多少以及选择哪些尺度的特征，我们将特征选择过程构建为序贯马尔可夫决策过程（MDP），并引入使用强化学习（RL）的最优选择策略。我们为图像匹配定义了一个RL环境，其中每个独立动作要么要求新特征，要么通过参考匹配分数终止选择回合。深度神经网络被整合进我们的方法并训练用于决策。实验结果表明，我们的方法在三个基准上取得了与最先进方法相当或更优的性能，证明了我们特征选择策略的有效性。
引用
@article{arxiv.2008.05708,
title = {Robust Image Matching By Dynamic Feature Selection},
author = {Hao Huang and Jianchun Chen and Xiang Li and Lingjing Wang and Yi Fang},
journal= {arXiv preprint arXiv:2008.05708},
year = {2020}
}