Learning to Guide Local Feature Matches 2020

核心思想:训练一个“指导器”,指导匹配的大致范围。

如下图所示:

假设特征是sift,正确的匹配是w,通过最近邻算法可能得到的匹配是p1,如果先有一个指导,告诉你大致正确的匹配

在p2附近,那么就有很大的可能找到w正确匹配。因此本文的重点是如果训练出一个这样的“指导”器。

 

 

整体pipeline:

  1. 和NC-NET中的4d卷积基本上一致,首先输入两张图,经过cnn网络会输出两张feature map。

  2. 然后通过计算一个4d的tensor,表示的是匹配的相关性score 矩阵。

  3. 然后运用4d卷积(请注意,由于4d卷积计算成本较大,因此这里在低分辨率的feature map上进行)。

  4. 输出最终的S矩阵,就可以通过判断score得到“粗”匹配。

 

那么重点是如何训练网络,本文提出了三种方式:image 级别,极线约束,点级别

 

其中s表示上述sore,L可以是用三种方式得到。

 

1.image pair:,其中y为正样本是1,负样本是-1

2.极线:

3.点(有深度的时候可以):

 

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
机器学习指南是一本全面介绍机器学习的指南书籍或教程。它提供了关于机器学习的基本原理和概念的深入了解,同时还包含了各种常用机器学习算法和技术的详细介绍。 这本指南首先会引导读者了解机器学习的基本概念,例如监督学习、无监督学习和强化学习。它会讲解机器学习的工作原理,包括数据预处理、特征提取和模型选择等步骤。 接下来,指南会详细介绍各种常见的机器学习算法,例如线性回归、逻辑回归、决策树、支持向量机和神经网络等。每个算法都会被解释其原理和应用领域,并提供实际的代码示例和案例研究,以帮助读者更好地理解和实践。 除了常见的算法,指南还会介绍一些高级的机器学习技术,例如集成学习、半监督学习和深度学习等。这些技术对于解决更为复杂和困难的机器学习问题很有帮助,并且是当前机器学习领域的热点研究方向。 此外,机器学习指南还会探讨一些实际问题和挑战,例如数据不平衡、过拟合和特征选择等。它会提供一些常见的解决方案和技巧,以及如何应对这些问题的最佳实践。 最后,机器学习指南还会涉及到一些实际应用和案例研究,例如自然语言处理、计算机视觉和推荐系统等。这些案例将帮助读者将机器学习应用到实际项目中,并理解其在不同领域的应用。 总而言之,一本全面的机器学习指南将为读者提供一个系统和深入的学习机器学习的资源,帮助他们理解和应用机器学习的基本原理、算法和技术。它可以作为学习者入门的必备指南,也适用于专业人士进一步拓展和深化自己的知识。
评论 1
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
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