UR2KiD：在无局部对应监督下统一检索、关键点检测与关键点描述
计算机视觉与模式识别
2020-01-22 v1 机器学习
摘要
在本文中，我们探索如何使用单一统一框架联合处理三个相关任务，即关键点检测、描述和图像检索，该框架的训练不需要具有点对点对应关系的训练数据。通过利用基于标准 ResNet 架构的顺序层的多样信息，我们能够通过局部激活范数、通道分组与丢弃以及自蒸馏等通用技术提取编码局部信息的关键点和描述子。随后，用于图像检索的全局信息在上述局部响应的池化基础上以端到端流水线编码。与先前局部匹配方法不同，我们的方法不依赖于逐点/逐像素对应，且完全不需要此类监督，即不需要来自 SfM 模型的深度图，也不需要手动创建的合成仿射变换。我们说明这一简单直接的范式能够在视角变化、尺度变化和昼夜切换定位等各种具有挑战性的基准条件下取得与最先进方法极具竞争力的结果。
引用
@article{arxiv.2001.07252,
title = {UR2KiD: Unifying Retrieval, Keypoint Detection, and Keypoint Description without Local Correspondence Supervision},
author = {Tsun-Yi Yang and Duy-Kien Nguyen and Huub Heijnen and Vassileios Balntas},
journal= {arXiv preprint arXiv:2001.07252},
year = {2020}
}