《表1 MatchNet的层参数》
以上这些方法都是对图像块对或三元组进行的处理,Tian等人[84]提出的L2-Net通过CNN在欧氏空间将一批图像块转换成一批描述符,将批处理中的最近邻作为正确匹配描述符。如图16所示,每个卷积层左边数字代表卷积核大小,右边数字表示输出通道数,2表示下采样层的步长;3×3 Conv由卷积、批归一化(BN)和ReLU(rectified linear unit)组成;8×8 Conv由卷积和批归一化(BN)组成;局部响应归一化层(LRN)作为单元描述符的输出层,获得128维描述符。CS L2-Net由两个独立L2-Net级联成双塔结构,左侧塔输入和L2-Net相同,右侧塔输入是中心裁剪后的图像块。采用渐进式采样策略,在参与训练的批样本中,从每对匹配样本中随机抽取一个组成若干不匹配样本,增加负样本数量。与成对样本和三元组样本相比,能够利用更多负样本信息。
图表编号 | XD0082892700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.16 |
作者 | 贾迪、朱宁丹、杨宁华、吴思、李玉秀、赵明远 |
绘制单位 | 辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学电子与信息工程学院、辽宁工程技术大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |