每天一分钟,带你读遍机器人顶级会议文章
标题:CLKN: Cascaded Lucas-Kanade Networks for Image Alignment
作者:Che-Han Chang Chun-Nan Chou Edward Y. Chang
来源:CVPR 2017
编译:李仕杰
播音员:四姑娘
欢迎个人转发朋友圈;其他机构或自媒体如需转载,后台留言申请授权
摘要
今天介绍的文章是“CLKN: Cascaded Lucas-Kanade Networks for Image Alignment”——用于图像配准的级联Lucas-Kanade网络,该文章发表在CVPR2017。
这篇文章提出了一种数据驱动的图像配准方法。主要的贡献是一种新颖的网络架构。这一架构结合了卷积神经网络和LK算法的优点。架构的主要组成部分被称作Lucas-Kanade层。Lucas-Kanade层在卷积特征图上做反向合成算法。在网络训练过程中,我们设计了一个级联特征学习的方法将由粗到精的策略加入到训练过程中。这一方法用这种级联的方式学习了一个卷积特征的金字塔表示并且生成了一个级联的网络在特征金字塔上实施由粗到精的图像配准。我们将我们的模型应用于单应性矩阵估计,并在一个由MS-COCO数据集生成的数据集上进行训练和评测。实验结果展示提出的方法要优于其他的方法。
如果你对本文感兴趣,想要下载完整文章进行阅读,可以关注【泡泡机器人SLAM】公众号。
回复关键字“CLKN”,即可获取本文下载链接。
泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成,希望大家珍惜我们的劳动成果,转载请务必注明出自【泡泡机器人SLAM】微信公众号,否则侵权必究!同时,我们也欢迎各位转载到自己的朋友圈,让更多的人能进入到SLAM这个领域中,让我们共同为推进中国的SLAM事业而努力!
商业合作及转载请联系liufuqiang_robot@hotmail.com