本研究对本地特征匹配方法进行了全面的综述,将其分类为基于探测器和不基于探测器两类,并探索了其在不同领域的实际应用和面临的当前挑战,以及未来的研究方向。
Jan, 2024
本文对图像三维重建中的局部特征进行了全面比较评估,包括使用强大的机器学习技术和精心设计的手工特征。在定量和定性实验中,实验结果表明,对于只有少量图像的场景,二进制特征具有很好的重建效果,并且处理速度比浮点型特征快得多。但是,对于大规模图像集,浮点型特征比二进制特征具有明显的优势。
Dec, 2017
通过使用卷积神经网络自动学习的特征和由视觉单词的袋子模型计算的手工特征相结合的方法进行面部表情识别,然后使用三步的局部学习框架进行类别标签预测,得出了目前最佳结果。
Apr, 2018
本文提出了一种通过使用手工制作的检测器和描述符来学习本地图像描述符的非常简单且有效的方法,通过对手工制作的描述符已有的知识进行优化,只学习主网络分支的剩余知识,从而在收敛速度上提供了 50 倍的优势,并在推理过程中提供了优于学习和手工制作描述符的性能。该方法在集成学习和非可微函数学习方面具有潜在应用,通过匹配、相机定位和运动过程中的实验展示了我们方法的优势。
Dec, 2023
通过优化映射高维直方图到低维欧氏空间的深度网络,学习代表无序点云中点周围局部几何的特征,其表现出比现有局部特征更高的精度、紧凑性和鲁棒性,可在机器人和三维视觉的不同应用中进行几何配准。
Sep, 2017
该论文提出了一种利用深度学习技术进行分层定位的方法,仅在候选位置上计算 2D-3D 匹配的精确位姿估计,从而实现在流行的移动平台上实时运行并拥有最先进的本地化性能,为机器人研究带来了新的前景。
Sep, 2018
本研究提出了一种新的基准测试,旨在评估本地图像描述符,在引入了一个适合训练和测试现代描述符的新大型数据集的基础上,我们介绍了严格定义的评估协议,以便在不同应用场景中进行更现实和可靠的比较,我们评估了几种最先进的描述符的性能,并分析了其性质。
Apr, 2017
本文概述了近年来关于行人检测的研究进展,主要包括采用手工特征和深度特征的方法,单通道和多通道行人检测的研究,以及相关数据集和评价指标的介绍。作者还强调了当前需要解决的问题和未来的研究方向。
Oct, 2020
本文提出了一种基于外貌和几何特征结合支持向量机分类的面部表情识别方法,其中包括从特定区域提取外观和几何特征,使用递增搜索法确定重要的局部区域以降低特征维度并提高识别精度,并通过比较全局和局部的特征组合识别面部表情。该方法在公开的 Cohn-Kanade (CK+) 面部表情数据集上表现良好。
Apr, 2016
本文介绍了一种基于超级特征的深度图像检索架构,只需要图像标签即可训练。超级特征由迭代的注意模块构建,通过对 Super-features 实施对比损失来匹配图像。与局部特征相比,这种方法在存储空间方面具有显着优势,并在常见地标检索基准上表现出比现有方法更好的效果。
Jan, 2022