典型文献
无监督密集匹配特征提取网络性能分析
文献摘要：
随着人工智能的发展,基于深度学习的有监督密集匹配方法在虚拟、室内及驾驶等近景数据集上取得了不错的表现.针对航空影像密集匹配标签数据获取困难的问题,本文在无监督密集匹配框架下,借鉴多个有监督网络结构,分别在航空影像数据集和作为参照的近景数据集上测试了匹配精度,实现了网络结构模块与精度关系的定性分析,为进一步探索深度学习在测绘领域的实用化提供了重要的参考.试验在相同损失函数条件下,分别采用DispNetS、DispNetC、ResNet、GCNet、PSMNetB及PSMNetS网络结构进行测试.经分析,得出如下结论:①测试的网络结构中,PSMNetS在航空影像数据集和近景数据集上表现稳定,且精度最高,训练整体耗时少,具有实用化的潜力;②在监督方法中效果更好的网络结构在无监督方法中效果不一定更好,其精度不仅取决于网络自身的匹配能力,同时也依赖于网络与损失函数的兼容性;③孪生网络模块、相关信息融合模块、金字塔池化模块和堆叠沙漏模块与无监督损失函数兼容性良好,可提升网络精度,而iResNet的图像重构迭代精化模块与重构损失函数重复约束,会产生"负优化"的作用.
文献关键词：
密集匹配;深度学习;无监督;特征提取;航空影像
中图分类号：
作者姓名：
金飞;官恺;刘智;韩佳容;芮杰;李庆高
作者机构：
信息工程大学地理空间信息学院,河南 郑州 450001;西安测绘总站,陕西 西安 710054
文献出处：
引用格式：
[1]金飞;官恺;刘智;韩佳容;芮杰;李庆高-.无监督密集匹配特征提取网络性能分析)[J].测绘学报,2022(03):426-436
A类：
DispNetS,DispNetC,PSMNetB,PSMNetS,iResNet
B类：
密集匹配,匹配特征,特征提取网络,网络性能分析,匹配方法,近景,不错,航空影像,标签数据,数据获取,有监督网络,影像数据,匹配精度,结构模块,测绘领域,实用化,数条,GCNet,无监督方法,兼容性,孪生网络,信息融合,金字塔池化模块,堆叠,沙漏,无监督损失函数,图像重构,精化,数重
AB值：
0.292631
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
