学习检测关键点以改善可变形对象的匹配
原文中文，约500字，阅读约需1分钟。发表于：。我们提出了一种新颖的学习关键点检测方法，用于增加非刚性图像对应任务中正确匹配数目。通过利用使用指定描述符提取器匹配注释图像对获得的真实对应关系，我们训练了一个端到端的卷积神经网络（CNN）来寻找更适合所考虑描述符的关键点位置。为此，我们对图像应用几何和光度变换来生成监督信号，从而优化检测器。实验证明，我们的方法在与我们的检测方法结合使用时，可以提高多个描述符的均值匹配精度，并且在非刚性对象的...
该文介绍了一种新颖的学习关键点检测方法，通过训练卷积神经网络来寻找更适合描述符的关键点位置，并通过应用几何和光度变换来生成监督信号来优化检测器。实验证明，该方法在非刚性对象的真实图像上优于最先进的关键点检测器，并在复杂的物体检索任务中表现出相当的性能。
