Boosting Binary Keypoint Descriptors 论文笔记

最新推荐文章于 2021-06-18 09:32:50 发布

k123han123

最新推荐文章于 2021-06-18 09:32:50 发布

阅读量1.9k

点赞数

分类专栏：图像特征文章标签：特征 hash

本文链接：https://blog.csdn.net/k123han123/article/details/24579697

版权

本文深入探讨Boosting Binary Keypoint Descriptors论文，解释如何通过寻找最佳的二进制描述子，利用{1,-1}编码区域，并建立训练集与损失函数进行分类器训练。在解析过程中，作者分享了遇到的技术挑战，如在CSDN博客平台公式编辑的不便。" 44961705,5001119,jQuery快速清空文本框示例,"['jQuery', 'javascript', '前端开发']

摘要由CSDN通过智能技术生成

今天读的是CVPR 2013的 Boosting Binary Keypoint Descriptors，是一篇有关用二进制来描述图像块（patch）的文章。另外mingming cheng 2013年也有一篇是用二进制的，不过是对整幅图像进行描述的，后面再介绍吧。
跟传统的用浮点数等高精度单位来描述特征点相比，二进制描述最大的优势是表达紧凑（compact）, 即二进制描述只需要用1个bit来描述一个维度。另外，二进制操作也能显著提高计算的效率，这一点很好地体现在了上面所说的程明明的论文里。但二进制描述的缺点也很明显，因为只用1个bit来描述一个维度，因此信息量大大丢失，描述的准确度也因此而降低了。所以，这篇文章要解决的就是这样一个问题。

首先形式化地定义二进制描述：给定一个patch ${\bf{x}}$ , 它的二进制描述即是寻找一个描述子 $C({\bf{x}})$ , 使得 $C({\bf{x}}) = [{C_1}({\bf{x}}),...,{C_D}({\bf{x}})]$ , 其中 $D$ 是二进制描述子的维度（简单来说可以想象为用长度为 $D$ 的01字符串来编码一个区域）。为了方便套用分类算法的框架等原因，作者用{1,-1} 而不是{1,0}。然后对于任意一维 ${C_d}({\bf{x}}),d = 1,...,D$ ，有