超级会员免费看
本文深入解析SOLD2算法，一种自我监督的、遮挡感知的线描述和检测方法，尤其关注其backbone网络结构。通过SOLD2NET，算法能够从不同视角的图像中提取线特征，包括检测到的特征点、直线heatmap和描述子。文章以源码和测试样例为基础，详细介绍了线检测和匹配的流程，涉及HourglassNet、Resnet的Bottleneck结构，并阐述了如何处理部分遮挡的直线问题。
SOLD2是ETH的 Self-supervised Occlusion-aware Line Description and Detection，它是一种多视角的线检测，线匹配算法，可以处理遮挡下的线匹配。
以往特征匹配都是基于点的，比如SIFT，SURF等，而ETH提出了基于线的特征匹配，由于是基于神经网络，所以不需要手动设计特征，而且基于自监督学习，不需要人工标注。
这里先不把重点放在自监督，先看一下如何从视角不同的图像中提取线特征，线检测和匹配，走完整个检测和匹配的流程。
测试样例中，input为不同视角的两张[1, 1, 496, 744]的图像。如下
以img1为例走一遍流程，它首先会经过名为SOLD2NET的神经网络，得到3个输出：
1.检测到的特征点（junctions）
2.检测到
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
