[论文解读]D2-Net: A Trainable CNN for Joint Description and Detection of Local Features

文章链接：https://www.jianshu.com/p/b33c7c9ea2e7
以前好久的论文，这几天整理资料也翻出来了。应该是CVPR19的论文，讲的是同时做出来det和des。特征点定位精度不高，速度也很慢，不过对光照等鲁棒性非常高，如下图所示。

但是这个方法的弱点非常明显，定位精度不高，如下图红色圈出的地方，其实非常低的精度了。

实际上用这个进行重建的实验结果表示还不如SIFT好。
**总结：**坦白说这个方法几乎没有实际应用的场景，因为速度极其缓慢，而且精度很低，进行图像检索有更好的（DELF等），进行定位也有更快更好的（SIFT、ORB）。但是他有个特别好的地方是跳出了传统特征检测的范式，直接得到了det和des，从此以后很多工作都不会再专门学习一个keypoint detection去检测关键点位置尺度角度等等内容，而且这肯定也是必然趋势。另外还有很多其他类型的探索工作，推荐看看【Matching Features without Descriptors:Implicitly Matched Interest Points】【Long-term Visual Localization using Semantically Segmented Images】等挺多种的，不过D2Net属于其中结果最好的。