論文の概要: A Scale and Rotational Invariant Key-point Detector based on Sparse Coding

• arxiv url: http://arxiv.org/abs/2010.06264v1
• Date: Tue, 13 Oct 2020 10:08:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 23:55:34.333900
• Title: A Scale and Rotational Invariant Key-point Detector based on Sparse Coding
• Title（参考訳）: スパース符号化に基づくスケールおよび回転不変キーポイント検出器
• Authors: Thanh Hong-Phuoc and Ling Guan
• Abstract要約: Harris corner、SIFT、SURFといったキーポイント検出器は、画像内のコーナー、ブロブ、ジャンクション、その他の人間の定義された構造を検出することを目的としている。 文脈変化に柔軟で、幾何学的および一様でない照明のバリエーションと同時に堅牢な新しい検出器は非常に望ましい。
• 参考スコア（独自算出の注目度）: 21.08309357592133
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most popular hand-crafted key-point detectors such as Harris corner, SIFT, SURF aim to detect corners, blobs, junctions or other human defined structures in images. Though being robust with some geometric transformations, unintended scenarios or non-uniform lighting variations could significantly degrade their performance. Hence, a new detector that is flexible with context change and simultaneously robust with both geometric and non-uniform illumination variations is very desirable. In this paper, we propose a solution to this challenging problem by incorporating Scale and Rotation Invariant design (named SRI-SCK) into a recently developed Sparse Coding based Key-point detector (SCK). The SCK detector is flexible in different scenarios and fully invariant to affine intensity change, yet it is not designed to handle images with drastic scale and rotation changes. In SRI-SCK, the scale invariance is implemented with an image pyramid technique while the rotation invariance is realized by combining multiple rotated versions of the dictionary used in the sparse coding step of SCK. Techniques for calculation of key-points' characteristic scales and their sub-pixel accuracy positions are also proposed. Experimental results on three public datasets demonstrate that significantly high repeatability and matching score are achieved.
• Abstract（参考訳）: ハリスコーナー、SIFT、SURFなどの手作りキーポイント検出器は、画像中のコーナー、ブロブ、ジャンクション、その他の人間の定義された構造を検出することを目的としている。 幾何変換は堅牢であるが、意図しないシナリオや不均一な照明のバリエーションは性能を著しく低下させる可能性がある。 したがって、文脈変化に柔軟で、幾何学的および非一様照明のバリエーションと同時に堅牢な新しい検出器は非常に望ましい。 本稿では,SRI-SCK(Scale and Rotation Invariant Design)をSparse Codingベースのキーポイント検出器(Key-point Detector, SCK)に組み込むことにより,この問題の解決法を提案する。 sck検出器は様々なシナリオで柔軟であり、アフィン強度の変化に完全に不変であるが、劇的なスケールと回転変化を持つ画像を扱うように設計されていない。 SRI-SCKでは、SCKのスパース符号化ステップで使用される辞書の複数の回転バージョンを組み合わせて回転不変性を実現するとともに、画像ピラミッド技術を用いてスケール不変性を実現する。 また,キーポイントの特性尺度とサブピクセル精度位置の計算手法も提案した。 3つの公開データセットにおける実験結果は、再現性とマッチングスコアが有意に高いことを示している。

関連論文リスト

• ESCAPE: Equivariant Shape Completion via Anchor Point Encoding [79.59829525431238]
  回転同変形状補完を実現するためのフレームワークであるESCAPEを紹介する。 ESCAPEは、形状からアンカーポイントを選択し、すべてのポイントを全てのアンカーポイントまでの距離として表現することで、独特の符号化戦略を採用している。 ESCAPEは任意の回転と翻訳をまたいだ堅牢で高品質な再構成を実現する。
  論文  参考訳（メタデータ） (2024-12-01T20:05:14Z)
• Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
  3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。 我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
  論文  参考訳（メタデータ） (2024-07-18T04:36:10Z)
• Rotation-Invariant Transformer for Point Cloud Matching [42.5714375149213]
  我々は,回転不変変換器であるRoITrを導入し,点クラウドマッチングタスクにおけるポーズ変動に対処する。 本稿では,自己認識機構によって学習した,回転不変なクロスフレーム空間認識を備えたグローバルトランスフォーマーを提案する。 RoITrは、Inlier RatioとRegistration Recallの点で、既存のメソッドを少なくとも13と5のパーセンテージで上回っている。
  論文  参考訳（メタデータ） (2023-03-14T20:55:27Z)
• Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
  本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。 ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。 提案手法は,81.77%mAPのDOTAデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-03-14T11:53:12Z)
• Self-Supervised Equivariant Learning for Oriented Keypoint Detection [35.94215211409985]
  我々は、回転同変CNNを用いた自己教師付き学習フレームワークを導入し、ロバスト指向キーポイントの検出を学習する。 ヒストグラムに基づく配向マップのトレーニングのために,合成変換により生成した画像対による高密度配向損失を提案する。 提案手法は,画像マッチングベンチマークとカメラポーズ推定ベンチマークにおいて,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-04-19T02:26:07Z)
• Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
  本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
  論文  参考訳（メタデータ） (2022-03-09T16:17:47Z)
• Pixel-Perfect Structure-from-Motion with Featuremetric Refinement [96.73365545609191]
  複数視点からの低レベル画像情報を直接アライメントすることで、動きからの2つの重要なステップを洗練する。 これにより、様々なキーポイント検出器のカメラポーズとシーン形状の精度が大幅に向上する。 本システムは,大規模な画像コレクションに容易にスケールできるので,クラウドソースによる大規模なローカライゼーションを実現することができる。
  論文  参考訳（メタデータ） (2021-08-18T17:58:55Z)
• Learning High-Precision Bounding Box for Rotated Object Detection via Kullback-Leibler Divergence [100.6913091147422]
  既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。 本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
  論文  参考訳（メタデータ） (2021-06-03T14:29:19Z)
• Rotation Equivariant Feature Image Pyramid Network for Object Detection in Optical Remote Sensing Imagery [39.25541709228373]
  本稿では、回転同値畳み込みに基づく画像ピラミッドネットワークである回転同変特徴像ピラミッドネットワーク(REFIPN)を提案する。 提案するピラミッドネットワークは, 新規な畳み込みフィルタを用いて, 広い範囲で特徴を抽出する。 提案モデルの検出性能は2つの一般的な航空ベンチマークで検証される。
  論文  参考訳（メタデータ） (2021-06-02T01:33:49Z)
• FFD: Fast Feature Detector [22.51804239092462]
  特定のスケール空間領域にロバストで正確なキーポイントが存在することを示す。 スケールスペースピラミッドの滑らか度比とぼかしをそれぞれ2と0.627に設定することで、信頼性の高いキーポイントの検出が容易であることが証明された。
  論文  参考訳（メタデータ） (2020-12-01T21:56:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。