May, 2014

使用卷积神经网络进行特征描述符匹配：与 SIFT 的比较

PDF
TL;DR利用卷积神经网络训练数据和不训练数据，与标准的 SIFT 描述符进行比较，结果显示网络表现的更好，特别是在描述符匹配方面。
convolutional neural networkssift descriptorsdescriptor matchingimagenetsupervised and unsupervised learning
发现论文，激发创造
  • 强化特征点： 针对高级任务优化特征检测和描述

    该研究论文提出一种嵌入完整视觉流水线中的特征检测器训练方法，通过强化学习的原则克服关键点选择和描述符匹配的离散性，并通过实验表明该方法可以提高基于学习的特征检测器在任务中的准确性。

    Dec, 2019

  • SIFT 遇见 CNN：实例检索十年回顾

    本文概述了过去十年内的实例检索方法，包括基于 SIFT 和 CNN 的方法，并探讨了其在不同数据集上的表现和应用前景。

    Aug, 2016

  • 多层神经网络在物体识别中的性能分析

    本文探讨了卷积神经网络在计算机视觉问题中的特征学习，主要关注 CNNs 和工程化表示（如 SIFT 和 HOG）之间的差异。

    Jul, 2014

  • 图像检索的基于选择性深度卷积特征

    本文提出了一种新颖的框架用于图像检索，通过采用各种掩码方案从卷积特征中选择代表性的子集来解决爆炸性问题，并采用最新的嵌入和聚合方法进一步提高特征可区分性，从而达到了最先进的检索准确度。

    Jul, 2017

  • 卷积神经网络是否学习到对应关系？

    本研究探讨了卷积神经网络激活特征在需要对应关系的任务中的有效性，通过实验结果表明，这些特征在局部细节定位方面有更好的表现，并且在对象部分对齐和关键点预测方面优于传统的手工特征。

    Nov, 2014

  • 层次结构度量学习及其在二维和三维几何对应中的匹配

    该研究提出了使用深度学习的 CNN 网络以及不同层次的特征图来进行几何匹配的任务，并相较于先前的手动特征点描述方法，展示了更佳的匹配结果。

    Mar, 2018

  • 通用对应网络

    本文提出了一种深度学习框架，用于准确的视觉对应，并证明了其在几何和语义匹配中的有效性，提出了一种卷积空间变换器来模仿传统特征（如 SIFT）中的补丁归一化，广泛的 KITTI，PASCAL 和 CUB-2011 数据集的实验表明，与使用手工构建或学习特征的先前作品相比，我们的特征具有显着优势。

    Jun, 2016

  • 基于选择性深度卷积特征的图像检索紧凑二进制表示

    该论文提出了一种新的计算量小、效果好的框架，其中采用了不同的掩码计算策略和最新的嵌入聚合方法来提高图像检索的准确性；同时还利用哈希模块生成非常紧凑的二进制图像表示，并在六个图像检索基准测试中取得了最好的检索性能。

    Feb, 2018

  • 具有示例卷积神经网络的判别式无监督特征学习

    本文介绍了一种使用无标签数据训练卷积网络的方法，该方法可用于通用特征学习，通过应用多种变换来区分一组代理类别，获得了比监督学习更具鲁棒性的特征表示，能在几个流行数据集上取得胜于现有结果的分类效果。

    Jun, 2014

  • 全景图像匹配的描述符学习

    本文提出使用相似和不相似描述符对的训练集来学习不变描述符，通过神经网络解决优化问题，使用相似性保持哈希框架将描述符数据映射到汉明空间以保留训练集上的相似性，该方法不仅优于简单描述符匹配，也优于最先进的相似性保持哈希方法。

    Dec, 2011