特征点检测与匹配
文章平均质量分 91
相关论文代码笔记
秋山丶雪绪
这个作者很懒,什么都没留下…
展开
-
特征点检测与匹配相关论文梳理(持续更新)
按简介、网络结构、损失三个部分梳理特征点检测与匹配相关论文,尽可能包含重要细节原创 2022-02-27 01:16:47 · 4545 阅读 · 2 评论 -
DualRC-Net(2020 NIPS)特征点检测与匹配论文笔记
主要根据代码记录 DualRC-Net 的计算流程原创 2022-02-27 00:59:02 · 887 阅读 · 0 评论 -
HPatches 数据集及特征点检测匹配评价指标解析
HPatches 数据集经常在特征点检测与匹配的论文中作为实验评估出现,记录一下数据集信息和相关的评价指标。原创 2022-01-06 15:49:05 · 8012 阅读 · 8 评论 -
Neighbourhood Consensus Networks(NIPS 2018)特征点检测与匹配论文笔记
NC-Net 是特征点检测与匹配的早期深度方法,许多论文有提及,直接看代码并结合论文记录一下方法。原创 2021-12-29 21:59:32 · 3167 阅读 · 1 评论 -
Patch2Pix(CVPR 2021)特征点检测与匹配论文精读笔记
(CVPR 2021)Patch2Pix: Epipolar-Guided Pixel-Level Correspondences深度学习特征点检测与匹配论文精读笔记原创 2021-12-22 23:32:51 · 11206 阅读 · 18 评论 -
R2D2(NIPS 2019)特征点检测论文笔记
1.前言论文地址代码地址原创 2021-11-25 22:18:49 · 4949 阅读 · 0 评论 -
ASLFeat(CVPR 2020)特征点检测论文笔记
1. 前言论文地址代码地址问题:(1)CNN 在提取特征的时候会忽略局部形状,而局部形状是增强几何不变性的关键(2)检测的关键点精度不够,主要针对 D2-Net原因:(1)传统方法会对特征点周围区域做缩放、旋转、仿射变换等等操作使得到的特征描述符具备局部形状信息(感觉就是为了在各种差异较大的状态下也能让描述符正确匹配),但是深度方法是检测和描述符同步获取的,套用传统思路不行,举了个 LF-Net 的例子是对中间特征图进行变换,总之没有什么好的现有方案。(2)用于检测的特征图分辨率低,并且怀疑原创 2021-11-24 16:31:36 · 3672 阅读 · 0 评论 -
D2-Net(CVPR 2019)特征点检测论文笔记
1. 前言论文地址代码地址 detect-then-describe:对应 sparse local features,首先通过检测器得到特征点,然后提取特征点周围的 patch 得到描述符。 缺点:差异大的图像对效果不好(昼夜、季节、弱纹理场景) 原因:描述符由较大的区域得到,而特征点由很小区域的低级信息得到(角点等),导致检测的结果不稳定。 作者表示,即使对应的特征点检测不到,但是描述符仍然可以成功匹配,所以放弃检测阶段,而是密集提取描述符,代价是匹配时间和内存消耗。 dete原创 2021-11-22 22:18:59 · 6208 阅读 · 2 评论 -
SuperPoint 与 SuperGlue 详解(一)
1. 简介SuperPoint: Self-Supervised Interest Point Detection and Description (CVPR 2018)论文地址代码地址SuperGlue: Learning Feature Matching with Graph Neural Networks (CVPR 2020)论文地址代码地址 两篇论文都出自 Magic Leap 团队,SuperPoint 提取特征点及描述符,SuperGlue 做特征点匹配2. SuperPoi原创 2021-09-01 22:13:22 · 18466 阅读 · 10 评论 -
SuperPoint 特征点 NMS 代码分析
1. 简介 SuperPoint 网络中所用到的 NMS 代码部分,输入为 scores,即输入图像每个像素的得分,输出依然是 scores,准特征点位置的得分保留,其余位置的得分置零。 大体上是根据超参数 nms_radius 使图像每个局部区域都得到一个准特征点,后续再用得分阈值筛选等,去除距离很近的冗余特征点。SuperPoint 中 forward 部分涉及 NMS 的代码# Compute the dense keypoint scorescPa = self.relu(self.c原创 2021-08-22 18:19:37 · 3369 阅读 · 5 评论