基于卷积神经网络的SIFT特征描述子降维方法
文献类型：期刊论文
| 作者 | 周宏浩1; 易维宁2; 杜丽丽2 ; 乔延利1
|
| 刊名 | 激光与光电子学进展
 |
| 出版日期 | 2019 |
| 卷号 | 056 |
| 关键词 | 图像处理 神经网络 图像局部特征点提取 降维 |
| ISSN号 | 1006-4125 |
| 其他题名 | Convolutional Neural Network-Based Dimensionality Reduction Method for Image Feature Descriptors Extracted Using Scale-Invariant Feature Transform |
| 英文摘要 | 针对128维尺度不变特征变换(SIFT)特征描述子进行图像局部特征点提取时匹配时间过长,以及三维重建进行特征点配准时的应用局限性,结合深度学习方法,提出一种基于卷积神经网络的SIFT特征描述子降维方法。该方法利用卷积神经网络强大的学习能力实现了SIFT特征描述子降维,同时保留了良好的仿射变换不变性。实验结果表明,经过训练的卷积神经网络将SIFT特征描述子降至32维时,新的特征描述子在旋转、尺度、视点以及光照等仿射变换下均具有良好的匹配效果,匹配效率比传统SIFT特征描述子效率提高了5倍。 |
| 语种 | 中文 |
| CSCD记录号 | CSCD:6546471 |
| 源URL | [http://ir.hfcas.ac.cn:8080/handle/334002/46904]  |
| 专题 | 中国科学院合肥物质科学研究院 |
| 作者单位 | 1.中国科学技术大学环境科学与光电技术学院 2.中国科学院通用光学与表征技术重点实验室 |
| 推荐引用方式 GB/T 7714 | 周宏浩,易维宁,杜丽丽,等. 基于卷积神经网络的SIFT特征描述子降维方法[J]. 激光与光电子学进展,2019,056. |
| APA | 周宏浩,易维宁,杜丽丽,&乔延利.(2019).基于卷积神经网络的SIFT特征描述子降维方法.激光与光电子学进展,056. |
| MLA | 周宏浩,et al."基于卷积神经网络的SIFT特征描述子降维方法".激光与光电子学进展 056(2019). |
入库方式： OAI收割
来源：合肥物质科学研究院
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。