10.19678/j.issn.1000-3428.0057686
基于卷积神经网络的直线描述方法研究
为提高直线特征匹配的可靠性,提出一种基于卷积神经网络(CNN)学习的直线特征描述方法.构建用于网络学习的大规模直线数据集,该数据集包含约20.8万对匹配直线对,每条直线用其周围的局部图像块表征.将图像块输入CNN,利用HardNet网络结构提取特征,使用三元组损失函数进行训练,输出强鲁棒性的直线特征描述子.实验结果表明,与手工设计的描述子MSLD和IOCD相比,该描述子在视角、模糊、尺度和旋转变化下均具有较好的区分性,在图像拼接应用中同样表现出良好的描述性能.
直线匹配、直线特征描述子、深度学习、大规模直线数据集、卷积神经网络
47
TP391(计算技术、计算机技术)
河南省高校科技创新团队支持计划19IRTSTHN012
2021-05-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
251-259