【论文阅读】22-GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence

0、basic info
1、算法核心
- 1.1、核心假设--motion smoothness
- 1.2、算法特点
2、算法细节
- 2.1、matching supporting
- 2.2、matches statistical measures
- - 2.2.1、Si分布
  - 2.2.2、相关符号
- 2.3、Multi-neighborhood
- - 2.3.1、原理/假设
  - 2.3.2、相关公式
  - 2.3.、关于P（true && false 的区分度）的分析
- 2.4、grid-based
- - 2.4.1、确定cell-pair
  - 2.4.2、改进matching supporting 计算
- 2.5、Extension--引入 scale && rotation
- - 2.5.1、Scale：
  - 2.5.2、Rotation
3、算法流程
4. 算法细节--重要
5、结果

Fast, Ultra-robust Feature Correspondence)

0、basic info

Bian J , Lin W Y , Matsushita Y , et al. GMS: Grid-Based Motion Statistics for Fast, Ultra-Robust Feature Correspondence[C]// IEEE Conference on Computer Vision & Pattern Recognition. IEEE, 2017.

开源代码
CODE
参考资料

参考博客1
参考博客2
参考ppt

（未细看）

Graph matching --- slow  && robust

1、算法核心

1.1、核心假设–motion smoothness

1.2、算法特点

将motion smoothness constraint 转换为 matching supporting
matches statistical measures in neighborhoods
采用基于matching supporting的阈值，get the result: true or false

2、算法细节

2.1、matching supporting

2.2、matches statistical measures

2.2.1、Si分布

（the matching of each feature is independent, Si follows the binomial distribution）

(making S score a useful indicator for differentiating true and false matches)

2.2.2、相关符号

n：the number of the features in the region a （I_a）

等式右边第二项表示的是上图（i）中的事件（用下图颜色表示）

第二个等式右边表示的是上图（ii）中的事件（用下图颜色表示）

M：the number of the features in image2

原理：

2.3、Multi-neighborhood

2.3.1、原理/假设

2.3.2、相关公式

（n: the average number of features in the subregion）

2.3.、关于P（true && false 的区分度）的分析

与n正相关
增大K

2.4、grid-based

grid-based 作用

快速确定邻域—grid
避免重复计算cell-pair（同一个grid的features共享同一组cell pair）

PS: 针对features 位于grid 边缘的情况，shift the grid，得到grid',再重复相关步骤

2.4.1、确定cell-pair

grid-selection : 与第一个图像 网格grid_a 匹配数量最多的一个grid_b，组成cell-pair

2.4.2、改进matching supporting 计算

疑惑：？？？

结论：gms --low rotation效果更好

2.5、Extension–引入 scale && rotation

基于不同的scale、rotation，运行GMS,选择inlier matches数目最多的，作为最终结果

2.5.1、Scale：

Image2 网格划分多尺度

2.5.2、Rotation

Cell-pair-- gird_b :only K邻域旋转得到不同的match neighborhoods groups

3、算法流程

上文算法框图是针对特定的scale、rotation，具体可看ppt中算法流程框图

4. 算法细节–重要

Large, well-textured：more ---解决：resize—480*480
Small, less-texture: less ----解决：FAST thresholds =0

FAST：
E. Rosten and T. Drummond. Machine learning for highspeed corner
detection. In European conference on computer vision, pages 430–443.
Springer, 2006.

Matching support阈值:

n: the average number of features in the subregion

ORB features
BF hamming distance

5、结果

数据集
指标：Recall && precision && F-measure
Performance：

【论文阅读】22-GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence相关推荐

特征匹配--GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence
GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence CVPR2017 c++ code: h ...
[论文阅读] (22)图神经网络及认知推理总结和普及-清华唐杰老师
<娜璋带你读论文>系列主要是督促自己阅读优秀论文及听取学术讲座,并分享给大家,希望您喜欢.由于作者的英文水平和学术能力不高,需要不断提升,所以还请大家批评指正,非常欢迎大家给我留言评论,学 ...
目标检测论文阅读：GHM(anchor based)
目标检测论文阅读:GHM(anchor based) 论文链接:https://arxiv.org/abs/1811.05181 代码链接:https://github.com/libuyu/GHM_ ...
深度学习论文阅读目标检测篇（一）：R-CNN《Rich feature hierarchies for accurate object detection and semantic...》
深度学习论文阅读目标检测篇(一):R-CNN<Rich feature hierarchies for accurate object detection and semantic segmen ...
深度学习论文阅读目标检测篇（二）：Fast R-CNN《Fast R-CNN》
深度学习论文阅读目标检测篇(二):Fast R-CNN<Fast R-CNN> Abstract 摘要 1. Introduction 引言 1.1 RCNN and SPPnet 1.2 ...
【论文阅读】TRO 2021: Fail-Safe Motion Planning for Online Verification of Autonomous Vehicles Using Conve
参考与前言 Last edited time: August 3, 2022 10:04 AM Status: Reading Type: TRO Year: 2021 论文链接:https://ie ...
【论文阅读】Convolutional MKL Based MultimodalEmotion Recognition and Sentiment Analysis
论文标题:Convolutional MKL Based Multimodal Emotion Recognition and Sentiment Analysis 论文链接:https://ieee ...
[论文笔记|特征点]GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence
摘要提出了一种基于网格的运动统计方法(GMS)以剔除特征误匹配,该方法将平滑性约束融入到分离的统计框架中,并使用网格进行快速计算.GMS对于各种具有挑战性的图像变化是鲁棒的,包括视点.比例和旋转.它 ...
顶会论文阅读-22年CCF A级别spark graphX研究
这篇文章是从dblp上面自行下载的唐老师发的A类文章,主要讲的是对spark源码当中sparkgraphX模块的优化: incgraph:基于Spark GraphX的分布式增量图计算模型和框架: 原 ...

【论文阅读】22-GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence

【论文阅读】22-GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence

0、basic info

1、算法核心

1.1、核心假设–motion smoothness

1.2、算法特点

2、算法细节

2.1、matching supporting

2.2、matches statistical measures

2.2.1、Si分布

2.2.2、相关符号

2.3、Multi-neighborhood

2.3.1、原理/假设

2.3.2、相关公式

2.3.、关于P（true && false 的区分度）的分析

2.4、grid-based

2.4.1、确定cell-pair

2.4.2、改进matching supporting 计算

2.5、Extension–引入 scale && rotation

2.5.1、Scale：

2.5.2、Rotation

3、算法流程

4. 算法细节–重要

5、结果

【论文阅读】22-GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence相关推荐

最新文章

热门文章