图像局部特征提取:d2-net论文学习笔记(PDF)

  • 2019-07-08
  • 398
  • 2

特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。 

现有的方法主要基于两种方式,一种是先检测关键点,然后基于关键点进行局部特征的描述,即提取描述子;另一种是先进行特征描述,再进行关键点检测。

先检测关键点,后提取局部描述子的方法:

优点:

  • 稀疏特征
  • 通过最近邻搜索和欧氏距离可以很有效地匹配关键点

缺点:

  • 学习到低级的图像特征:棱角和斑点
  • 不能很好应对极端环境变化,例如昼夜变化、季节变化
  • 不能很好应对弱纹理场景

先提取局部描述子,后检测关键点的方法:

优点:

  • 在关键点没有检测到的情况下,描述子依然可以成功匹配,对有挑战的场景效果更好

缺点:

  • 需要较多的计算时间,效率不高

d2-net是一种利用深度学习进行特征提取的方法,在提取描述子的同时,对关键点进行检测。

完整PDF文件下载链接:

https://pan.baidu.com/s/1xVRajMuW4aZ3JvOJAjEoYQ 提取码: jcmq 

评论