星期六
2018-08-18
首页 市场动态 促销信息 品牌口碑 产品分类 联系我们  
产品分类
·有哪些好用免费的多人协同办
·寻找以前关于注会CPA税法的帖
·有没有听起来声音很甜很腻的
·一个姓氏一句话耿姓怎么写
·余额宝的年化收益已不足3而
·一个婴儿在粤语普通话上海话
产品分类 主页 > 产品分类 >
在SIFT和SURF之后有哪些比较新的且具有一定影响力的自然图像配准算法
我看很多回答是15年左右的,补充一点相对新的工作。假设题主这里想问的是基于特征点和特征描述子的相关工作(图像配准有很多方法,但是如说限定在非结构化环境的算法,基于特征点和特征子的算法是最常用的)。15年之前大家主要做的都是手工设计的特征,从15年开始出现了很多基于机器学习,特别是神经网络的特征子。这里基于CNN的特征子很多都是基于浅层神经网络(2-3层)很难被称为是deeplearning的。。。15年开始常见的是基于Siamesenetwork去训练CNN,原理很简单:训练数据是很多成对的小图像(大多是64x64),有positive的图片对(两张图对应同一个物体),有negative的图片对(两张图对应不同的物体)。Siamesenetwork训练的目的使得特征网络:对positive图片对产生尽可能相似的特征描述子,对negative图片对产生尽可能不同的特征描述子。单纯的Siamesenetwork并不复杂,15年之后大家主要在它的基础上做一些改进,比如优化神经网络的结构(可优化的不多,因为特征描述并不是很复杂的任务,加深网络改进效果很有限),改进loss函数等等。目前基于CNN的特征描述子性能已经在很多任务上超过SIFT、SURF了。如果大家想看一些具体的算法,17年这篇工作给了一个很好的综述:HPatches:Abenchmarkandevaluationofhandcraftedandlearnedlocaldescriptorshttps://arxiv.org/pdf/1704.05939.pdf虽然这片工作是介绍HPatch这个dataset的,作者还是做了很扎实的综述和benchmark,HPatch也是现在特征描述子工作常用的benchmark

上一篇:鹰卫浴黎定国:模块化定制,知足消费者全性命周期的卫浴需求
下一篇:有人即拥有固定音高又拥有相对音高吗作曲专业的请进
关于我们 | 返回顶部 
版权所有 海港物业管理有限公司 地址:芝罘区海港路23号 电话:0535——6742053 集采电话:0535——6742053 鲁ICP06048153453号 网站地图