honyniu的专栏

整体评估检测评估描述符评估评价描述符 Descriptor 的可区分度，具体指在不同描述符距离阈值下的 Precision-Recall 曲线的 Area Under Curve (AUC)，使用 NN 匹配策略。简单来说就是设置一个描述符距离阈值，两个描述符的距离小于该阈值认为二者是匹配上的，否则是非匹配上的，但小于该阈值的实际上有可能是匹配关系也有可能是非匹配关系。区分如下表：...

数据详情构建方法利用三维重建的方法获得特征点位置和匹配关系。数据内容Brown 总共包含三个数据集。###平均准则FPR95原文解释是：false positive rate (FPR) at true positive rate (positive recall) equal to 95%就是在 Brown 提供的测试集合上（一般是在 10w matches 上测试），95% 的...

数据详情构建方法利用三维重建的方法获得特征点位置和匹配关系。数据内容后面更新###评价准则定义 y=(y1,…,yn)∈{−1,0,+1}n\mathbf { y } = \left( y _ { 1 } , \ldots , y _ { n } \right) \in \{ - 1,0 , + 1 \} ^ { n }y=(y1​,…,yn​)∈{−1,0,+1}n 是对查询 pat...

SuperPoint简介SuperPoint是magic leap公司在18年的一篇工作，主要内容是输入一张灰度图，提取图上的特征点同时计算该点对应的描述符。作者提供了相应的代码，不过遗憾的是训练代码和相应的渲染的训练数据没提供，只有测试代码。流程整体框架整体框架如下图，下面会abc三个步骤分别介绍：特征点提取预训练如果要使用有监督的深度学习方案来解决该问题，不同于其他传统的像分类...

LIFT本文提供了相应的theano 和 tensorflow，论文是比较早期的探索利用CNN的方法去学习特征的工作，而且该组是瑞士联邦理工学院的 cvlab，之前也做过很多 deep feature 和 三维视觉相关的研究，该工作很值得研究一下。主要思路本文利用CNN网络特征点提取，ori 估计和特征描述符的计算，而且是在统一模型框架里面学习这三个子任务。基本流程整体 pipeline...

HardNet本文提供了相应的代码，是基于 pytorch。主要思路本文主要是提出了新的 loss 用于特征 metric 的学习。提出的 loss 可以最大化一个 training batch 中最近的正负样本之间的距离，而且对浅层以及深层的 CNN 网络都有作用。本文基于之前的 L2-Net 工作，把 loss 更换成本文提出的 loss，这里叫做 HardNet。基本流程采样和 l...

L2-Net本文提供了相应的代码，是基于 matconvnet，论文的思路相对来说比较简单，可以使用 pytorch 或者 tersorflow 等框架复现。主要思路之前有 SIFT 等手工设计的 patch 特征，这里提出的 L2-Net 的方法，利用 CNN 方法在 Euclidean 空间学习 patch 特征。本文主要的工作包括：提出递进的采样策略，可以保证网络在很少的 epoc...

GeoDesc主要思路目前使用CNN网络来学习局部特征在 patch-based 的数据基准上取得了很大的进展，但是应用到具体的 3D 重建等工作上效果还是不如传统的特征，如 SIFR、SURF、ORB 等。所以本文提出了一种新型的局部特征的学习方法 GeoDesc，主要是从多视图重建中学习到几何的约束信息。实验证明本文提出的方法效果在大量的基准集上取得了很好的效果，而且对于重建任务也很适用。...

基于学习方式的特征基于学习方式的特征简介对比细节SuperPoint简介流程提取特征点计算描述符备注评价特征点描述符（这里主要是记录一下自己看论文的思路和过程，目前时间不是很充足，有些写到一半，后面有时间会继续更新）基于学习方式的特征简介传统的特征提取和特征描述方式，比如SIFT、SURF和ORB等，需要人工去手动提取特征点，然后设计特征描述符。目前随着深度学习的发展，越来越多的工作尝试使...