特征提取匹配方案不止SuperPoint

        局部特征匹配在计算机视觉领域广泛应用,涵盖图像检索、3D重建和目标识别等领域。然而,由于视点和光照变化等因素,改进匹配的准确性和鲁棒性仍然面临挑战。近年来,深度学习模型的引入引发了对局部特征匹配技术的广泛探索。这些方法根据存在检测器的情况分为两个关键部分。基于检测器的类别包括Detect-then-Describe、Joint Detection and Description、Describe-then-Detect以及基于图的技术。相反,不使用检测器的类别包括基于CNN的、基于Transformer的和基于Patch的方法。

相关算法展开可见

Detect-then-Describe、Joint Detection and Description、Describe-then-Detect等方案的基本流程结构如下图:

相关算法:

  • 8
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

athrunsunny

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值