MTLDesc:より良い記述のためのより広い【JST・京大機械翻訳】

Wang Changwei; Xu Rongtao; Zhang Yuyang; Xu Shibiao; Meng Weiliang; Fan Bin; Zhang Xiaopeng

プレプリント

J-GLOBAL ID：202202205814444398 整理番号：22P0303653

MTLDesc:より良い記述のためのより広い【JST・京大機械翻訳】

MTLDesc: Looking Wider to Describe Better

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 (7件)： , , , , , ,
資料名：
発行年： 2022年03月14日プレプリントサーバーでの情報更新日： 2022年03月14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)

畳み込みニューラルネットワークの局所性によって制限されて,ほとんどの既存の局所特徴記述方法は,局所情報を有する局所記述子を学習し,グローバルおよび周囲の空間コンテキストの認識を欠いている。本研究では,局所記述子を,より多くのThanのちょうど局所情報(MTLDc)を持つ局所記述者を学習することにより,より広く記述するために,局所記述子を作成することに焦点を絞った。特に,著者らは,著者らのMTLDscが非局所的認識を獲得するために,コンテキスト強化と空間的注意機構に頼る。最初に,グローバルからローカルまでの文脈情報を有するロバストな局所記述子を構築するために,適応グローバルコンテキスト拡張モジュールと多様な局所コンテキスト拡張モジュールを提案した。第2に,局所ディスクリプタ学習の最適化とマッチング段階の両方への空間的注意認識を統合するために,一貫した注意重み付け三重項損失を設計した。第3に,特徴ピラミッドによる局所特徴検出を与えて,より安定で正確なキーポイント位置確認を得た。上記の革新によって,著者らのMTLDscの性能は,Hapatches,Achen Day-Night位置確認およびInLoc屋内位置確認ベンチマークに関する以前の最先端の局所記述子を著しく凌駕した。【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