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

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

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

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

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

本文提出了一种新方法进行实例级别的图像检索，通过聚合多个基于区域的描述符为每个图像生成全局紧凑的固定长度表示，该方法基于一个特定图像检索任务训练的深度架构，利用排序框架来学习卷积和投影权重，并采用区域建议网络来学习应汇集哪些区域以形成最终的全局描述符。

Apr, 2016

本文介绍一种 DSP-SIFT 的图像描述符，采用跨域尺度汇集梯度方向，与空间位置相结合，在宽基线匹配基准测试中优于其他方法，包括那些基于卷积神经网络的方法，尽管其维度相同且无需训练。

Dec, 2014

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

本文研究了图像分类或搜索领域中基于编码方法（如词袋或 Fisher 向量）的流水线。我们提出并评估了一些用于密集提取图像路径的替代选择，包括基于超像素、边缘和 Zernike 滤波器的方法，并在最近的图像检索和细分分类基准上进行了评估。结果表明，大多数情况下，常规的密集探测器被其他方法超越，在标准检索和细粒度基准上改进了现有技术水平。此外，我们表明，如果沿着边缘而不是在检测到的区域周围提取路径，则现有的斑点和超像素提取方法可以实现高精度。

Oct, 2014

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