一种基于深度学习的局部特征提取方法

作者：刘晓平; 蔡有城; 李琳; 王冬; 黄鑫涛

来源：2021-06-02, 中国, ZL202110611600.1.

本发明公开了一种基于深度学习的局部特征提取方法,包括以下步骤：首先进行网络训练,在图像数据集MS-COCO上训练预先构建的网络,数据集被分割成一个训练集和一个验证集,分别包含82783和40504张图像,网络包括描述器、检测器和损失函数,其中：所述描述器包括单应性卷积网络(HCN)和特征描述,所述描述器对原始图像进行操作,最终获得与原始图像分辨率大小相同的稠密描述符,所述检测器包括检测器CNN网络和关键点提取,所述检测器对所述HCN得到的张量F进行操作,最终获得稀疏的关键点位置,通过将检测步骤推迟到描述之后,从而获得更稳定的关键点,相比传统的非机器学习方式我们的方法具有更灵活的特征寻找过程,获得大量关键点的同时提高特征提取精度。

• 出版日期2021-6-2
• 单位合肥工业大学