Jul, 2014

具有嵌入的方位协变局部描述符聚合

PDF
TL;DR本文提出了一种基于角度的局部描述符集成方法，通过将角度一同编码到集成阶段并结合单项式嵌入来实现对局部描述符的聚合。此方法不需要码本，并且适用于多种编码方法。在 Holidays 和 Oxford buildings 数据集上的实验证明其对于图像检索相当有效。
local descriptorsorientation invarianceaggregation strategymonomial embeddingimage search
发现论文，激发创造
  • 学习协变特征检测器

    本文提出了第一个完全通用的局部协变特征检测器学习方法，将检测视为回归问题，使用深度神经网络等强大的回归器，提出了一个可以用于自动学习提供局部特征检测稳定锚点的协方差约束，并在标准特征基准测试中展示了平移和旋转协变检测器的实证结果。

    May, 2016

  • RoRD: 旋转鲁棒的特征描述符和正交视图用于局部特征匹配

    本文介绍了一种使用数据增强和正交视角投影学习不变性描述符的新框架，通过旋转保角本质的数据增强学习旋转不变性的本地描述符，并通过一种对特征匹配方法进行改进的技术以及新的自定义数据集进行了验证，在包括姿势估计和视觉位置识别等关键任务上提供了实用性能量的性能表现。

    Mar, 2021

  • 学习旋转等变特征实现视觉对应

    本实验引入自监督学习框架，使用群等变 CNN 提取旋转不变的局部特征，通过群对齐技术实现旋转不变性，并通过对比描述符损失和方向对齐损失训练来得到具有鲁棒性的局部特征描述符，表现出在不同环境下的高精度匹配结果，并在关键点匹配和相机姿态估计任务中显示出有竞争力的结果。

    Mar, 2023

  • 比赛核函数中的干扰

    提出了两种方法来解决局部特征点干扰问题，即通过在聚合阶段包含一组描述符权重来平等地处理每个本地描述符的个体贡献，并在标准公共图像检索基准测试中进行实验证明对于短向量或中向量的图像搜索，这两种方法都比对象方法表现更好。

    Nov, 2016

  • 理解和改进核局部描述符

    本文提出了一种基于像素梯度有效匹配内核的多核局部补丁描述符，其中包括两种梯度参数化，分别提供了不同类型的补丁误差纠正鲁棒性。结合不带监督或带有监督的描述符空间白化，大大提高了性能，并对白化对补丁相似性的影响进行了分析，并证明其语义意义。我们的无监督变量是构建没有标记数据需求的最佳表现的描述符。尽管所提出的描述符很简单，但在许多不同的任务上与深度学习方法相比竞争力很强。

    Nov, 2018

  • 超越笛卡尔局部描述符的表示

    本文提出了一种基于对数极坐标采样方法的局部块描述符的提取策略，这种方法在深度学习中具有非常好的鲁棒性，并在三个不同数据集上获得了最先进的结果。

    Aug, 2019

  • 通过轨道嵌入得到局部群不变表示

    本文提出了一种基于核方法的技术来推导局部群不变表示，通过在群上定义适当的概率分布来实现局部性，并使用核方法的强大框架来学习这些分布上的决策函数，从而生成局部不变随机特征映射。经实验证明，在三个真实数据集上，该方法优于基于核的竞争方法，并且在 Rotated-MNIST 上表现优于深度 CNN，并且与最近提出的群等变 CNN 表现相当。

    Dec, 2016

  • 通过描述向量交换进行无监督地标学习

    本论文研究对象类别的标志物，提出使用等变性法则与局部图像描述符相结合的方法，使得不同对象实例之间学习到的标记物是具有一致性的。实验表明该方法能够超越现有无监督学习方法的表现。

    Aug, 2019

  • 用于大规模图像搜索的同时特征聚合和哈希

    本文提出了一种新颖的框架，其中功能聚合和哈希同时设计并联合优化，目的是生成更具区分度的二进制哈希码从而提高图像的检索精度。同时，我们还提出了一个快速版本的二进制自编码器用于我们的提出的框架中。在多个基准数据集上进行的广泛检索实验表明，所提出的框架显著改善了最先进技术水平。

    Apr, 2017

  • 无监督学习视觉嵌入的本地聚合

    本文研究了如何利用无监督学习方法训练神经网络，通过优化局部聚合的度量方式实现相似的数据实例在嵌入空间中聚集在一起，从而实现在大规模视觉识别领域中的非监督迁移学习，实现了 ImageNet、Places 205 和 PASCAL VOC 数据集中物体识别、场景识别和物体检测方面的最佳性能。

    Mar, 2019