論文の概要: A Detector-oblivious Multi-arm Network for Keypoint Matching
- arxiv url: http://arxiv.org/abs/2104.00947v1
- Date: Fri, 2 Apr 2021 08:55:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 13:48:18.698053
- Title: A Detector-oblivious Multi-arm Network for Keypoint Matching
- Title(参考訳): キーポイントマッチングのための検出・公開マルチアームネットワーク
- Authors: Xuelun Shen, Cheng Wang, Xin Li, qian hu, Jingyi Zhang
- Abstract要約: 地域重なりと深度を学習するマルチアームネットワーク(MAN)を提案する。
屋外および屋内のデータセットを総合的に実験した結果,提案手法が最先端手法よりも優れていることがわかった。
- 参考スコア(独自算出の注目度): 20.13224697135796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a matching network to establish point correspondence
between images. We propose a Multi-Arm Network (MAN) to learn region overlap
and depth, which can greatly improve the keypoint matching robustness while
bringing little computational cost during the inference stage. Another design
that makes this framework different from many existing learning based pipelines
that require re-training when a different keypoint detector is adopted, our
network can directly work with different keypoint detectors without such a
time-consuming re-training process. Comprehensive experiments conducted on
outdoor and indoor datasets demonstrated that our proposed MAN outperforms
state-of-the-art methods. Code will be made publicly available.
- Abstract(参考訳): 本稿では,画像間の点対応を確立するためのマッチングネットワークを提案する。
本研究では,領域の重なりと深さを学習するマルチArm Network(MAN)を提案する。
このフレームワークを、異なるキーポイント検出器を採用する際に再トレーニングを必要とする既存の学習ベースパイプラインとは異なるものにする別の設計では、ネットワークはそのような時間を要する再トレーニングプロセスなしで、異なるキーポイント検出器と直接動作する。
屋外および屋内のデータセットを総合的に実験した結果,提案手法が最先端手法よりも優れていることがわかった。
コードは公開される予定だ。
関連論文リスト
- Deep Internal Learning: Deep Learning from a Single Input [96.78876998914811]
多くの場合、手元にある入力からネットワークをトレーニングする価値がある。
これは、単一の入力を使用してネットワークをゼロからトレーニングすることや、すでにトレーニング済みのネットワークを推論時に提供された入力例に適応することを含む。
本研究の目的は,この2つの重要な方向に向けて,過去数年間に提案されてきた深層学習技術について報告することである。
論文 参考訳(メタデータ) (2023-12-12T16:48:53Z) - Improving the matching of deformable objects by learning to detect
keypoints [6.4587163310833855]
本研究では,非剛性画像対応タスクにおける正しいマッチング数を増やすための新しい学習キーポイント検出手法を提案する。
我々はエンドツーエンドの畳み込みニューラルネットワーク(CNN)をトレーニングし、考慮された記述子により適したキーポイント位置を見つける。
実験により,本手法は検出手法と併用して多数の記述子の平均マッチング精度を向上させることを示した。
また,本手法を,現在利用可能な最も優れたキーポイント検出器と同等に動作する複雑な実世界のタスクオブジェクト検索に適用する。
論文 参考訳(メタデータ) (2023-09-01T13:02:19Z) - The Wyner Variational Autoencoder for Unsupervised Multi-Layer Wireless
Fingerprinting [6.632671046812309]
識別性能を向上させるための多層署名を共同で検討する多層フィンガープリントフレームワークを提案する。
従来の手法とは対照的に,近年のマルチビュー機械学習のパラダイムを活用して,マルチレイヤ機能間で共有されるデバイス情報を,監督なしでクラスタ化することができる。
実験の結果,提案手法は教師なしと教師なしの両方の設定において,最先端のベースラインよりも優れていた。
論文 参考訳(メタデータ) (2023-03-28T10:05:06Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳(メタデータ) (2022-06-03T23:55:45Z) - Keypoints Tracking via Transformer Networks [0.0]
本稿では,トランスフォーマネットワークを用いた画像間におけるスパースキーポイントの追跡に関する先駆的な研究を提案する。
実時間およびロバストなキーポイントトラッキングの特定の事例について検討する。
提案手法は, 粗いマッチングと, キーポイントの対応の微妙な局所化の2段階からなる。
論文 参考訳(メタデータ) (2022-03-24T05:06:46Z) - BatchFormer: Learning to Explore Sample Relationships for Robust
Representation Learning [93.38239238988719]
本稿では,各ミニバッチからサンプル関係を学習可能なディープニューラルネットワークを提案する。
BatchFormerは各ミニバッチのバッチ次元に適用され、トレーニング中のサンプル関係を暗黙的に探索する。
我々は10以上のデータセットに対して広範な実験を行い、提案手法は異なるデータ不足アプリケーションにおいて大幅な改善を実現する。
論文 参考訳(メタデータ) (2022-03-03T05:31:33Z) - Parallel Multi-Scale Networks with Deep Supervision for Hand Keypoint
Detection [3.1781111932870716]
マルチスケールディープスーパービジョンネットワーク(P-MSDSNet)という新しいCNNモデルを提案する。
P-MSDSNetは、層から層への適応的な特徴伝達のための注意マップを作成するために、深い監督の下で異なるスケールで特徴マップを学習する。
P-MSDSNetは,パラメータの少ないベンチマークデータセットにおいて,最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-12-19T22:38:16Z) - Experience feedback using Representation Learning for Few-Shot Object
Detection on Aerial Images [2.8560476609689185]
大規模なリモートセンシング画像データセットであるDOTAを用いて,本手法の性能評価を行った。
特に、数発のオブジェクト検出タスクの固有の弱点を強調します。
論文 参考訳(メタデータ) (2021-09-27T13:04:53Z) - Decoupled and Memory-Reinforced Networks: Towards Effective Feature
Learning for One-Step Person Search [65.51181219410763]
歩行者検出と識別サブタスクを1つのネットワークで処理するワンステップ方式を開発しました。
現在のワンステップアプローチには2つの大きな課題があります。
本稿では,これらの問題を解決するために,分離メモリ強化ネットワーク(DMRNet)を提案する。
論文 参考訳(メタデータ) (2021-02-22T06:19:45Z) - Suppress and Balance: A Simple Gated Network for Salient Object
Detection [89.88222217065858]
両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。
多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。
さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
論文 参考訳(メタデータ) (2020-07-16T02:00:53Z) - Key Points Estimation and Point Instance Segmentation Approach for Lane
Detection [65.37887088194022]
本稿では,PINet (Point Instance Network) と呼ばれるトラヒックライン検出手法を提案する。
PINetには、同時にトレーニングされる複数のスタックされた時間ガラスネットワークが含まれている。
PINetはTuSimpleとCulaneのデータセットで競合精度と偽陽性を達成する。
論文 参考訳(メタデータ) (2020-02-16T15:51:30Z)
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。