- …
- …
#620
summarized by : Anonymous
どんな論文か？
画像のマッチングを行う際に，特徴点検出と特徴量の記述に深層学習を用いることが多い．この特徴点検出に対して深層学習手法が提案されていたが，Poolingによって解像度が減ることを克服する層設計を提案．および，特徴量の記述を行う学習時に従来ではパッチベースで距離学習を行なっていたが，その際にNeg.とPos.が似てしまうことが起きるため，それを回避するloss関数を提案．
新規性
特徴点検出において，RFDetを提案．これは3x3畳み込みを複数回繰り返すことで受容野を広げることが可能となる．特徴量記述においてパッチベースのTriplet lossによる距離学習を行うが，その際にneighbor maskという条件を加えることでより安定した特徴量を学習することが可能となった．また，これらをEnd2Endに学習するRFNetを提案した．
結果
HPatches・EF Datasetに対する評価において，特徴量のマッチスコアを比較すると提案手法がSIFT等の手設計ベースや深層学習ベースの手法よりも高いスコアを示した．
その他（なぜ通ったか？等）
- …
- …