公开(公告)号：CN110543890A

公开(公告)日：2019-12-06

申请号：CN201910660961.8

申请日：2019-07-22

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  白俊杰 ,  龚镖 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征金字塔的深度神经网络图像匹配方法。本发明的图像特征提取网络以VGG-16网络作为基础，生成多种尺度的特征图，并对特征图进行融合，采用双塔结构，通过神经网络学习的方式学习距离度量，采用端到端的方式判别图像的匹配程度，完成图像匹配任务。本发明通过网络学习的方法进行判断图像的匹配程度，实现图像匹配，提高了匹配的速度；通过特征金字塔融合的方式，可以对多个层次特征图进行融合，CNN不同层次的特征编码不同层次的信息，高层特征更关注语义信息，更少关注细节信息，而低层特征包含更多细节信息，通过对多个层次的特征进行融合可以互补优势，使得融合后的特征图能够包含更多的信息，从而使得网络的工作效果更好。