笔记: SuperPoint: Self Supervised Interest Point Detection and Description 深度学习特征点检测

superPoint学习 superpoint是用于提取特征点,主要使用CNN。 网络架构 采用编码解码的方式,提取特征点和计算描述子实际是两个网络,编码部分共用一个网络(就是简单的卷积池化,三次池化后,将图片分辨率降为H/8 * W/8,通道数为128),之后各自使用自己的网络。 提取特征点 1.先用256个33的卷积核将输入升维到H/8 * W/8 * 256,再用65个11的卷积核降维成H/8 * W/8 * 65.这里的思想:我们要提取特征点,是要将feature_map还原到HW的分辨率才可以提取,也就是前面编码后面就要 阅读详情

                                           SuperPoint: Self Supervised Interest Point Detection and Description

        2018年magicLeap发表了一篇文章,基于自监督训练的特征点检测和描述符提取方法,又是一个深度学习用于特征点提取和匹配的方法,与16年的LIFT相比,具有很大的优势。如果使用这种方式提取特征点描述符用于SLAM中,会对前端算法具有很大改善和提升;如果描述符具有优良特性,在定位场景下,可以对季节和环境光照具有更强的鲁棒性。

这篇文章提出了一种可以自我学习的的方法,通过构建pseudo-ground truth的特征点位置,并通过这些点本身来训练特征点检测器,从而避免了大量人力手工标注。

  1. 首先构建一个合成形状的数据集,图片包含简单的几何形状并具有明确的特征点,使用这些点来训练检测器 -- MagicPoint;
  2. 对未被标注的图像进行单应变换(Homo
论文解析一: SuperPoint 一种自监督网络框架,能够同时提取特征点的位置以及描述子 ​ 对于特征点提取部分,网络先将维度( W / 8 , H / 8 , 128 )的特征处理为( W / 8 , H / 8 , 65 )大小,这里的65的含义是特征图的每一个像素表示原图8 × 8 的局部区域加上一个当局部区域不存在特征点时用于输出的Dustbin通道,通过。​ 对于特征描述子提取部分,同理,我们还是使用encoder层的输出(H,W,128)。,这一层是为了8×8的局部区域内没有特征点时,经过Softmax后64维的特征势必还是会有一个相对较大的值输出,但加入。后就可以避免这个问题。 阅读详情

相关推荐

深度学习用于特征提取 : SuperPoint网络

1.语义SLAM | 深度学习用于特征提取 : SuperPoint(三) 2.github官网代码 3.《SuperPoint:Self-Supervised Interest Point Detection and Description》笔记 4.SuperPoint 论文详解 5.笔记: SuperPoint: Self Supervised Interest Point Detectio...

火星人 5191

SuperPoint Self-supervised Interest Point Detection and Description

Abstract 本文提出了一个用于训练兴趣点检测器和描述子的自监督框架,适用于各多视角几何问题。与基于图像块的神经网络不同,本文的全卷积模型可以用于全尺寸图像,仅凭单次前向计算就可得到像素层级的兴趣点位置和相关描述子。作者引入了单应自适应方法,以及一个多尺度、多单应的方法来提升兴趣点检测的可重复性,并进行跨域自适应(合成-真实图像)。本文模型通过单应自适应方法,在 MS-COCO 数据集上进行了训练,相较于其它传统模型,可重复检测出更加丰富的兴趣点集合。和 LIFT、SIFT 和 ORB 方法相比,该系统

calvinpaean的博客 2708

论文阅读《SuperPoint: Self-Supervised Interest Point Detection and Description》

论文地址: SuperPoint: Self-Supervised Interest Point Detection and Description 代码地址:https://github.com/magicleap/SuperPointPretrainedNetwork 背景与意义   人工标记特征点需要大量的工作量,且在特征点的语义信息不明确时难以标记;为此提出一种基于数据驱动策略获取图像中的特征点与描述符的方法; 在合成数据集上进行有监督训练得到初始特征点检测器MagicPoint; 使用Homo

薛定谔的猫头咕咕咕 4155

论文笔记(翻译) SuperPoint:Self-Supervised Interest Point Detection and Description

摘要: 本文提出了一种用于训练兴趣点检测器和描述符的自监督框架,适用于计算机视觉中大量的多视角几何问题。与基于patch的神经网络不同,我们的全卷积模型在全尺寸图像上运行,并在一次向前传递中联合计算像素级兴趣点位置和相关描述符。我们引入了Homographic Adaptation(同源自适应),一个多尺度,多同源的方法,以提高兴趣点检测的重复性和执行跨域自适应(例如,synthetic-to-real)。我们的模型,当训练在MS-COCO通用图像数据集使用Homographic与最初的预适应深度模型..

weixin_44358162的博客 1439

【论文精读】SuperPoint: Self-Supervised Interest Point Detection and Description

文章目录前言摘要1.介绍2.相关工作3.SuperPoint结构3.1 共享编码器3.2 兴趣点解码3.3 描述子解码器3.4 损失函数4.合成形状预训练4.1 人工合成形状4.2 MagicPoint5.Homographic Adaptation5.1 公式5.2 选择单应矩阵5.3 迭代单应改变6.实验细节7.相关代码 前言 论文题目:超级点:自监督感兴趣点检测和描述 论文地址:SuperPoint 代码链接1:https://github.com/magicleap/SuperPointPretr

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 14万+

深度学习论文: SuperPoint: Self-Supervised Interest Point Detection and Description

本文提出了一个自监督框架,用于训练适用于计算机视觉中多视图几何问题的兴趣点检测器和描述符。全卷积模型在完整图像上操作,联合计算兴趣点位置和描述符。通过引入单应性适应方法,提升兴趣点检测的重复性和跨域适应性。在MS-COCO数据集上训练后,提出的模型在HPatches上实现了最先进的单应性估计结果。

mingo_敏 1259

鸿蒙【ArkTS】使用TS装饰器封装网络请求HTTP

在HarmonyOS应用开发中,通过HTTP访问网络,可以使用官方提供的@ohos.net.http模块。但是官方提供的直接使用不太好使用,需要封装下才好。这里采用TS的装饰器实现AOP效果 完成前后端接口风格的统一

weixin_60376559的博客 5613

手把手教你用GEM-2多频电磁仪找地下管道(附真实数据图)

本文详细解析了使用GEM-2多频电磁仪精准定位地下管线的全流程,包括设备调试、频率选择、现场扫描技巧及数据解读。通过真实案例展示了如何应对复杂干扰环境,提升管线检测效率与准确性,特别适合市政工程和地下管线普查。

weixin_42565652的博客 404

C# : 计算并输出这一天是这一年的第几天

C#之输入某年,然后输入某月,再输入某日,计算并输出这一天是这一年的第几天的功能算法

saitoDeng的博客 973

MAPPO实战:从理论到代码的协作智能体训练指南

本文详细介绍了MAPPO算法在多智能体协作训练中的实战应用,从理论基础到代码实现全面解析。通过对比PPO与MAPPO的差异,深入讲解CTDE框架、网络架构设计、参数调优等关键环节,并提供实际项目中的调参经验和常见问题解决方案,帮助开发者快速掌握这一强化学习前沿技术。

weixin_42561040的博客 267

1.2 固态变压器:传统工频变压器的局限与SST的技术起源

本小节明确传统工频变压器在电力系统中的基础定位与核心工作特性,系统分析其在新型电力系统场景下的固有技术瓶颈,梳理固态变压器(Solid State Transformer, SST,又称电力电子变压器Power Electronic Transformer, PET)从概念提出到工程化成熟的完整演进路径,为后续SST技术优势、设计需求与规范符合性要求的讲解建立底层逻辑,同时对应GB/T 40429-2021《电力电子变压器通用技术要求》的需求制定背景。

技术工作者 660

jetson nano网络配置(有线、无线、USB)

注意:本节内容使用Jetson nano B01 版本或Jetson nano ALT 版本安装方式相同,在安装无线网卡等设备时,由于线材和设备比较脆弱,需要轻拿轻放,接口连接不上时,需要重新对准接口在进行连接,不要强行连接。Jetson nano 需要连接网络来进行更多的操作,本节就来讲解Jetson nano 的三种网络连接方法。有线:我们可以使用网线连接Jetson nano 的RJ45 接口,实现联网。

m0_73841621的博客 1万+

【Java开发者必看】LangChain4j实战指南:使用AIService轻松集成聊天记忆Chat Memory到SpringBoot应用,通过封装多轮复杂对话,使聊天记忆的实现变得简单

聊天记忆是指在与用户的多轮对话过程中,能够记住之前的交互内容,从而提供更加连贯和个性化的回复。LangChain4j支持通过ChatMemoryProvider接口实现聊天记忆功能。

Spring Boot-Common On With You 448

Apache Flink连载(一):Apache Flink是什么?

Apache Flink 是一个框架和分布式处理引擎,用于在。

qq_32020645的博客 1217

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

上一篇: 如何理解IMU及其预积分
下一篇: GN,LM, DogLeg
「已注销」
博客等级 码龄14年 16粉丝 11原创
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值