Nov, 2018

理解和改进核局部描述符

PDF
TL;DR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。
multiple-kernel local-patch descriptorpixel gradientswhiteningunsuperviseddeep learning
发现论文，激发创造
  • 多核局部块描述符

    提出一种基于多核局部块描述符的有效匹配核的图像特征提取方法，该方法采用的两种梯度参数化包括了参数极向型与参数笛卡尔型，提供了对于不同类型补丁匹配失配的鲁棒性，并在两个局部补丁基准测试上优于现有的方法。

    Jul, 2017

  • 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

  • 深度局部描述符的显式空间编码

    该研究通过有效匹配神经网络激活的核化深度局部块描述符来提高基于空间编码的应用的性能，在标准基准测试中都表现出色并且模型的参数不受输入块分辨率大小影响。

    Apr, 2019

  • 针对平均精度优化的本地描述符

    该研究采用深度神经网络直接优化排名检索表现指标（平均精度），提高本地特征描述符的学习，取得了当前最先进的修补程序验证，修补程序检索和图像匹配的结果。

    Apr, 2018

  • 稳健的紧凑二进制描述符特征融合进行补丁匹配

    本文提出了一种卷积网络框架，用于学习二进制补丁描述符，其中像素域特征与从变换域提取的特征融合。实验证明，我们的特征融合方法在准确性、速度和复杂性方面优于多种最先进的方法。

    Jan, 2019

  • 可重复、可靠的检测器和特征描述器 (R2D2)

    本论文提出了一种同时学习关键点检测、特征描述和本地描述符可区分性预测器的方法，用于解决经典方法中存在的重复区域不具有判别力和描述符在存在歧义区域中的性能问题，在 HPatches 和 Aachen Day-Night 数据集上性能均表现优异。

    Jun, 2019

  • 具有嵌入的方位协变局部描述符聚合

    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。

    Jul, 2014

  • HPatches：手工和学习型局部描述符的基准测试和评估

    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

  • MTLDesc: 扩大视野，提升描述能力

    通过采用上下文增强和空间注意机制，本文提出了一种可获得非局部感知的本地描述符方法，并在诸如 HPatches，Aachen Day-Night 定位和 InLoc 室内定位基准测试中，显著超越了先前的最先进本地描述符。

    Mar, 2022

  • 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