典型文献
面向细节保持的特征描述子提取算法
文献摘要：
检测图像中的显著关键点并提取特征描述子是视觉里程计和同步定位与建图系统等计算机视觉任务中的重要环节.特征点提取算法的主要目标是检测准确的关键点位置并提取可靠的特征描述子.可靠的特征描述子应对旋转、尺度缩放、光照变化、视角变化、噪声等保持一定程度的稳定性.目前基于深度学习的方法由于描述子特征在下采样过程中存在图像信息丢失,导致描述子可靠性和特征匹配准确度降低.针对这一问题,提出了一种面向细节保持的特征描述子提取网络.该网络融合浅层细节特征和深层语义特征,将描述子特征上采样到更高的空间分辨率,并结合注意力机制,使用局部特征(角点、线段、纹理等)、语义特征和全局特征来改进特征点检测,提高特征描述子可靠性.在Hpatches数据集上的实验结果表明,所提方法的匹配准确度为55.5％.输入图像分辨率为480×640时,所提方法的单应性估计准确度比现有方法高5.9个百分点.实验结果表明了所提方法的有效性.
文献关键词：
机器视觉;特征点检测;深度学习;卷积神经网络
中图分类号：
作者姓名：
龙涛;苏畅;王建
作者机构：
天津大学电气自动化与信息工程学院,天津300072
文献出处：
引用格式：
[1]龙涛;苏畅;王建-.面向细节保持的特征描述子提取算法)[J].激光与光电子学进展,2022(22):212-219
A类：
Hpatches,单应性估计
B类：
细节保持,特征描述子,提取特征,视觉里程计,同步定位与建图,计算机视觉,视觉任务,特征点提取,关键点位,尺度缩放,等保,下采样,图像信息,信息丢失,特征匹配,配准,网络融合,细节特征,深层语义,语义特征,上采样,空间分辨率,注意力机制,局部特征,角点,线段,全局特征,改进特征,特征点检测,图像分辨率,百分点,机器视觉
AB值：
0.32157
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。
