SEKD:自己進化キーポイント検出と記述【JST・京大機械翻訳】

Song Yafei; Cai Ling; Li Jia; Tian Yonghong; Li Mingyang

プレプリント

J-GLOBAL ID：202202200204680470 整理番号：22P0156966

SEKD:自己進化キーポイント検出と記述【JST・京大機械翻訳】

SEKD: Self-Evolving Keypoint Detection and Description

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年06月09日プレプリントサーバーでの情報更新日： 2020年06月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

研究者は,様々なビジョンタスクに関する最近の成功に触発された画像から新しい局所特徴を学習するために,深層ニューラルネットワーク(DNN)の利用を試みた。しかしながら,既存のDNNベースアルゴリズムは,局所特徴検出器と記述子間の対話型特性の不十分な利用に部分的に起因するような顕著な進歩を達成していない。これらの困難を軽減するために,著者らは,局所特徴検出器と記述子の固有と対話型特性を同時に要約するために,2つの望ましい特性,すなわち,再現性と信頼性を強調する。これらの特性により,自己監視フレームワーク,すなわち自己進化キーポイント検出と記述(SEKD)を提案し,ラベル無し自然画像から先進局所特徴モデルを学習した。さらに,性能保証を行うために,学習された特徴とその特性の間のギャップを最小化するために,新しい訓練戦略も専用に設計した。ホモグラフィ推定,相対姿勢推定,および構造運動タスクに関する提案方法をベンチマークした。広範な実験結果は,提案方法が顕著なマージンによって一般的な手作業とDNNベースの方法より優れていることを証明した。アブレーション研究により,各臨界訓練戦略の有効性を検証した。このコードを訓練されたモデルと共に公開した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, ,

前のページに戻る