《SuperPoint: Self-Supervised Interest Point Detection and Description》
论文 https://arxiv.org/pdf/1712.07629.pdf
github https://github.com/magicleap/SuperPointPretrainedNetwork

1、SuperPoint网络结构
参考知乎语义SLAM | 深度学习用于特征提取 : SuperPoint(三)

编码网络
特征点检测网络:对图片的每个像素都计算一个概率,这个概率表示的就是其为特征点的可能性大小。
描述子检测网络:先学习半稠密的描述子(不使用稠密的方式是为了减少计算量和内存),然后进行双三次插值算法(bicubic interpolation)得到完整描述子,最后再使用L2标准化(L2-normalizes)得到单位长度的描述。
损失函数

特征点检测是用了交叉熵loss

描述子

2、用预训练网络base detector做兴趣点自标注——MagicPoint(之前的工作)

用合成的数据集(主要包括一些典型几何物体)生成一些来检测角点的ground
truth,这里其实指的是候选的特征点,最终的特征点要通过后面HA这一步修正。
这里涉及到了用位姿计算损失函数

优势:比FAST、Harris等对噪声更鲁棒
劣势:对真实图像?对有强corner-like的结构还行,但是好多时候比不上传统方法——>用HA进行cross domain adaptation
(这个是否可以用到我的生成图像方法中?)

3、Homographic Adaptation 核心
个人感觉类似于pytorch里的transform,对原图像进行各种几何变换,比如平移、放缩、旋转、distort等等,获得已知位姿关系的图片对。

有什么用?提高原来的MagicPoint网络对真实图片的真值生成能力。效果还是挺显著的

4、实验设置和实验结果
(1)硬件+网络超参数
(2)评价指标
① Runtime:Titan X GPU上处理480*640的图片 70FPS
② HPatches Repeatability: 每张图片提取300个point,HA后的superpoint提取特征点最稳定
③ HPatches Homography Estimation:(4个指标)重复性、mean localization error (MLE)、nearest neighbor mAP (NN mAP)、matching score (M. Score)

SuperPoint论文笔记相关推荐

  1. ORB-SLAM3 论文笔记

    ORB-SLAM3 论文笔记 这篇博客 ORB-SLAM3系统 相机模型的抽象(Camera Model) 重定位的问题 图片矫正的问题 视觉惯性SLAM的工作原理 相关公式 IMU初始化 跟踪和建图 ...

  2. 【论文笔记】 LSTM-BASED DEEP LEARNING MODELS FOR NONFACTOID ANSWER SELECTION

    一.简介 这篇论文由IBM Watson发表在2016 ICLR,目前引用量92.这篇论文的研究主题是answer selection,作者在这篇论文基础上[Applying Deep Learnin ...

  3. 最新图神经网络论文笔记汇总(附pdf下载)

    点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货 [导读]近年来,图神经网络变得非常火热,每年顶会在该领域内都会出现大量的研究论文,本文为大家提 ...

  4. [论文笔记] Fast Quality Driven Selection of Composite Web Services (ECOWS, 2006)

    Time: 4.0 hours Jae-Ho Jang, Dong-Hoon Shin, Kyong-Ho Lee, "Fast Quality Driven Selection of Co ...

  5. 论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning

    论文笔记之:Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning  2017-06-06  21: ...

  6. 光流 速度_[论文笔记] FlowNet 光流估计

    [论文笔记] FlowNet: Learning Optical Flow with Convolutional Networks 说在前面 个人心得: 1. CNN的光流估计主要是速度上快,之后的v ...

  7. 论文笔记 《Maxout Networks》 《Network In Network》

    原文出处:http://zhangliliang.com/2014/09/22/paper-note-maxout-and-nin/ 论文笔记 <Maxout Networks> & ...

  8. 论文笔记:HKMF-T: Recover From Blackouts in TaggedTime Series With Hankel Matrix Factorization

    论文笔记:Hankel Matrix Factorization for Tagged Time Series to Recover Missing Values during Blackouts_U ...

  9. 论文笔记 A Spatial-Temporal Decomposition Based Deep Neural Network for TimeSeries Forecasting

    0 abstract 空间时间序列预测问题出现在广泛的应用中,如环境和交通问题.由于存在特定的空间.短期和长期模式,以及维度的诅咒,这些问题具有挑战性. 在本文中,我们提出了一个用于大规模空间时间序列 ...

最新文章

  1. 还记得Wasserstein GAN吗?
  2. 深耕“工业互联网”,华为云持续开花
  3. C Linux 多线程入门
  4. 谷歌在线appspot平台教你学Hacker(由浅如深)-XSS篇
  5. uniapp安卓证书在线制作工具
  6. AD13如何导出坐标文件
  7. 最容易月薪过万城市排名出炉!
  8. Windows10打印机共享无法连接到打印机:0x0000011b
  9. 深信服VMP 内存分配一点看法
  10. 在电脑上查看WIFI的密码
  11. 实战! excel中常用函数INDIRECT公式的用法
  12. 设计模式学习--观察者模式(Observer Pattern)
  13. 基于RGB-D数据的语义建图
  14. CVPR、ECCV 2020 两大会议论文分类索引
  15. Koordinator 1.0 正式发布:业界首个生产可用、面向规模场景的开源混部系统
  16. 医院需要遵守的3个BYOD实施策略
  17. 10亿数据中取最大的100个数据
  18. Android开发 之 LinearGradient与闪动文字效果
  19. 软著申请说明 源码提取工具类
  20. 苹果审核reject理由大全(6):欺骗用户下载、引导用户5星好评

热门文章

  1. 高等代数 线性映射(第9章)1 概念,运算,核与象
  2. kali linux 如何升级,如何正确更新和升级您的Kali Linux
  3. C++ for循环的几种使用方法
  4. [DUBBO] disconnected from 问题
  5. java 往数组增加一个元素
  6. 读唐巧博客2011年总结感想
  7. EPS主要逻辑网元功能
  8. java中laber字体颜色设置,QLabel:设置文本和背景的颜色
  9. leet198.打家劫舍
  10. vue中缓存当前路由的实现