用于视网膜图像匹配的半监督关键点检测器与描述子
计算机视觉与模式识别
2022-07-19 v1
摘要
针对视网膜图像匹配(RIM)，我们提出SuperRetina，一种具有可联合训练关键点检测器与描述子的端到端方法。SuperRetina以新颖的半监督方式训练：一小批(近100张)图像被不完全标注，用于监督网络检测血管树上的关键点。为应对人工标注的不完全性，我们提出渐进式关键点扩展，在每轮训练时丰富关键点标签。通过采用基于关键点的改进三元组损失作为其描述损失，SuperRetina在全输入图像尺寸下生成高度判别性的描述子。在多个真实世界数据集上的大量实验证实了SuperRetina的可行性。即便以自动标注替代人工标注从而使训练过程完全免人工标注，SuperRetina在两个RIM任务(即图像配准与身份核验)上仍优于若干强基线。SuperRetina将开源。
引用
@article{arxiv.2207.07932,
title = {Semi-Supervised Keypoint Detector and Descriptor for Retinal Image Matching},
author = {Jiazhen Liu and Xirong Li and Qijie Wei and Jie Xu and Dayong Ding},
journal= {arXiv preprint arXiv:2207.07932},
year = {2022}
}
备注
Accepted to ECCV 2022