-
公开(公告)号：CN113298097A
公开(公告)日：2021-08-24
申请号：CN202110847200.0
申请日：2021-07-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的特征点提取方法、设备及存储介质，属于图像处理技术领域。本发明首先使用公共的卷积神经网络编码器1对输入的任意尺寸灰度图像提取低维特征；然后将特征点检测与描述子的生成进行解耦合，将低维度特征分别送入特征点检测解码器和卷积神经网络编码器2；描述子解码器利用特征点解码器输出的特征点坐标，对卷积神经网络编码器2输出的高维特征张量进行插值，以提取对应特征点的描述子。本发明在保持和传统提取方案相似的精度的同时，大幅度降低计算复杂度，为特征点提取方案在嵌入式平台的部署提供可能性。
-
公开(公告)号：CN113326856A
公开(公告)日：2021-08-31
申请号：CN202110884790.4
申请日：2021-08-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于匹配困难度的自适应的两阶段特征点匹配方法，属于图像处理技术领域。本发明的技术方案为：首先基于图片对之间的图片差异度来选择后续的具体匹配方式，若图片差异度较小，则直接基于特征点的描述子之间的欧式距离进行匹配处理；否则，对各图片的特征点的位置信息进行升维处理，使其维度与描述子的维度一致，再将描述子与升维之后的位置信息相加，得到每个特征点的新的描述子，再通过注意力聚合处理，得到每个特征点的匹配描述子，基于匹配描述子之间的内积进行匹配处理。本发明用于图像对的特征点匹配，实现了自适应的两阶段特征点匹配，提升了匹配的准确性和处理效率。
-
公开(公告)号：CN113298097B
公开(公告)日：2021-10-26
申请号：CN202110847200.0
申请日：2021-07-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的特征点提取方法、设备及存储介质，属于图像处理技术领域。本发明首先使用公共的卷积神经网络编码器1对输入的任意尺寸灰度图像提取低维特征；然后将特征点检测与描述子的生成进行解耦合，将低维度特征分别送入特征点检测解码器和卷积神经网络编码器2；描述子解码器利用特征点解码器输出的特征点坐标，对卷积神经网络编码器2输出的高维特征张量进行插值，以提取对应特征点的描述子。本发明在保持和传统提取方案相似的精度的同时，大幅度降低计算复杂度，为特征点提取方案在嵌入式平台的部署提供可能性。
-
公开(公告)号：CN113326856B
公开(公告)日：2021-12-03
申请号：CN202110884790.4
申请日：2021-08-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于匹配困难度的自适应的两阶段特征点匹配方法，属于图像处理技术领域。本发明的技术方案为：首先基于图片对之间的图片差异度来选择后续的具体匹配方式，若图片差异度较小，则直接基于特征点的描述子之间的欧式距离进行匹配处理；否则，对各图片的特征点的位置信息进行升维处理，使其维度与描述子的维度一致，再将描述子与升维之后的位置信息相加，得到每个特征点的新的描述子，再通过注意力聚合处理，得到每个特征点的匹配描述子，基于匹配描述子之间的内积进行匹配处理。本发明用于图像对的特征点匹配，实现了自适应的两阶段特征点匹配，提升了匹配的准确性和处理效率。
-
-
-
Search Results
4
records
(took 0.023 seconds)
