基于改进KeyPointNet网络的特征点检测和描述

作     者：孙伍虹志 SUN Wuhongzhi

作者机构：吉林化工学院信息与控制工程学院吉林吉林132022 

出 版 物：《长江信息通信》 (Changjiang Information & Communications)

年 卷 期：2024年第37卷第8期

页      面：31-33页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：深度学习 图像特征提取 轻量化网络 KeyPointNet网络 

摘      要：传统手工设计的特征提取方法如SIFT、ORB等,在光照或视角变化等挑战性场景中特征提取鲁棒性、精度都不如基于深度学习的特征点检测网络。启发于KeyPointNet网络在图像特征提取任务中表现的鲁棒性,文章利用轻量化网络设计KeyPointNet改进模型,旨在使其满足一定精度的情况下,在资源受限的平台上实时运行。实验结果表明,改进后的KeyPointNet在HPatches数据集上,重复性与单应性精度都优于原KeyPointNet模型,并且改进后的网络模型参数量大约压缩了88.83%,浮点运算次数减少了约86.62%,更适合部署在实际场景中。