基于Resinv-Unet的图像特征点检测方法
针对传统特征点检测算法需人为制定检测机制和基于深度学习的特征点检测网络泛化能力不强的问题,引入灰度不变量和残差结构,设计并实现具备像素级特征点检测能力的残差不变量神经网络(residual-invariant neural network,Resinv-Unet).采用自标注的方式,在真实场景图像数据集的基础上构建用于训练神经网络的数据集.实验结果表明,Resinv-Unet相较于现有的特征点检测算法和特征点检测网络,在真实场景图像上具有更强的泛化能力和鲁棒性,在平均精确度、精确度和召回率上均取得更好的性能指标,其中,平均精确度达到0.715 5、精确度达到0.776 2、召回率达到0.713 7.
图像处理、特征点提取、三维重建、机器视觉、神经网络
42
TP391.9(计算技术、计算机技术)
国家自然科学基金;佛山市高校教师特色创新研究项目
2023-06-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
1-7