xfeat paper笔记

xfeat是面向轻量级的图像匹配的加速特征，
像superpoint这些特征一样，它提取keypoint的坐标，描述子，score等信息，用于图像特征点提取，匹配，定位等。
它的特点就是轻量化，paper指出“在速度上超过了当前基于深度学习的局部特征(快了5倍)，具有可比或更好的精度，在姿态估
计和视觉定位方面得到了证明。“
XFeat被设计为与硬件无关的，确保了跨平台的广泛适用性，但这并不排除在特定硬件配置上优化XFeat的可能性。

它的主要贡献点：

1. 一种新的轻量级CNN架构，可以部署在资源受限的平台和需要高吞吐量或计算效率的下游任务上，而不需要耗时的特定硬件优化。所提出方法可以在视觉定位和相机姿态估计等几个下游任务中随时替换现有的轻量级手工解决方案、昂贵的深度模型和轻量级深度模型;
2. 设计了一个极简的、可学习的关键点检测分支，快速适用于小型提取器骨干，显示了其在视觉定位、相机姿态估计和单应性配准方面的有效性;
3. 最后，提出了一种新的匹配细化模块，用于从粗糙的半稠密匹配中获取像素级偏移量。与现有的技术相比, 新策略不需要高分辨率的特
   征，除了局部描述符本身外，大大减少了计算量，并分别实现了高精度和匹配密度。

加速策略：
1.骨干网络

为了降低CNN处理成本，一种常见的方法是从浅层卷积开始，然后增量地将空间维度减半(H i , W i )，同时在i-th卷积块中将通道数C i 加倍。这是我们经常见到的做法。
第i 层layer的计算量为$F_{ops}$, 我们来理解一下它是如何计算的，假设kernel size为k * k,
那么在一个窗口时，它要与图片上对应的元素计算，计算量为$k^2\ast C_i$, 这个窗口要滑动的次数为$H_i\ast W_i$