深度卷积图像描述符分析

Dec, 2014

Fracking Deep Convolutional Image Descriptors

Edgar Simo-Serra, Eduard Trulls, Luis Ferraz, Iasonas Kokkinos, Francesc Moreno-Noguer

TL;DR本文提出了一种使用 Siamese 结构的深度卷积神经网络，利用 Hinge 嵌入损失函数，以学习局部图像描述符。利用 “fracking” 技巧对正负样本进行探索，得到了远高于 SIFT 和当前最先进技术的结果。

Abstract

In this paper we propose a novel framework for learning local image descriptors in a discriminative manner. For this purpose we explore a siamese architecture of deep convolutional neural networks (CNN), with a Hinge embedding loss on the L2 distance between descriptors. Since a siames

local image descriptors deep convolutional neural networks siamese architecture hinge embedding loss fracking

发现论文，激发创造

努力了解你邻居的边界：本地描述符学习损失

提出了一种受到 SIFT 匹配标准启发的用于学习局部特征描述符的新型损失函数，试验结果表明，该损失函数优于复杂的正则化方法，且适用于浅层和深层卷积网络结构，将新型损失函数应用于 L2Net CNN 结构得到的紧凑描述符，维度与 SIFT 相同 (128)，并取得了宽基线立体、块验证和实例检索基准的最先进性能。

May, 2017

通过优化全局损失函数学习具有深度连体和三元卷积网络的局部图像描述符

本文提出了使用三元组网络和全局损失函数来学习本地图像描述符的方法，使用 UBC 基准数据集进行比较，结果表明在减少 UBC 数据集误差方面，三元组网络比 Siamese 网络更准确，并且三元组和全局损失函数的组合是最佳的。最后，本文还展示了在 UBC 数据集上使用全局损失的中心 - 环绕 Siamese 网络的表现最好。

Dec, 2015

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

PN-Net: 用于学习本地图像描述符的三重深度联合网络

本文提出了一种新的学习本地描述符以匹配图像补丁的方法，使用三元组的正面和负面对来训练网络并引入了一种新的损失函数以提高匹配性能。我们将我们的描述符与 MatchNet 和 DeepCompare 进行比较，并证明了我们的优势。

Jan, 2016

深度 Fisher-Vector 描述符连结网络用于图像检索

本文介绍了一种用于大规模图像检索的新型 Siamese 网络，结合了 CNN 组件和 Fisher vector 组件，可以同时学习 CNN 过滤器权重和 Fisher Vector 模型参数，并且结果比现有的方法有显著改善。

Feb, 2017

深度本地描述符的学习与聚合在实例级别的识别中的应用

该篇论文提出了一种用于实例级别识别的高效学习本地描述符的方法，它使用度量学习来训练深度神经网络，通过内部组件的激活传递局部描述符。与现有本地描述符相比，在两个实例级别识别任务中提供更好的性能和更低的存储器需求，这证明了全局描述符在大规模情况下不够有效，适当的局部性是不可或缺的。

Jul, 2020

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

GeoDesc: 融合几何约束学习局部描述符

本文提出一种新颖的基于几何约束的局部描述符学习方法 ——GeoDesc，旨在改善学习局部描述符在图片三维重建中的泛化性能不足的问题。结果表明，GeoDesc 在各种大型基准测试中表现出优异的性能，并在具有挑战性的重建任务中显著成功。此外，本文提供了在 SfM 流水线中实际集成学习描述符的指南，展示了 GeoDesc 在精度和效率之间能够提供的良好平衡。

Jul, 2018

端到端学习鲁棒姿态 3D 匹配的关键点检测器和描述符

本论文提出了一种基于端到端学习框架的关键点检测及其表示的方法，以适应于三维深度地图或扫描，通过采样相应的区域提案实现正负样本的自动获取，并在多个基准数据集上进行匹配实验，表明该方法相对于现有方法具有明显的改进。

Feb, 2018

用于补丁匹配和重建的改进描述符

提出了一种基于卷积神经网络 (ConvNet) 的方法，用于学习本地图像描述符，可用于显着改善补丁匹配和三维重建，该方法使用多分辨率 ConvNets 学习关键点描述符，并且提出了一个新的数据集，包含比当前可用的 Multi-View Stereo（MVS）数据集更多的图像和正负对应物，并且在视角，尺度和光照变化方面具有更好的覆盖范围。该文对基于提出的描述符学习的补丁匹配和三维重建任务进行了评估，实验结果表明，在评价任务中，提出的描述符优于当前现有的最先进描述符。

Jan, 2017