【泡泡一分钟】用于图像配准的级联Lucas-Kanade网络(CVPR-10)

2017 年 10 月 31 日 泡泡机器人SLAM 李仕杰

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



登录查看更多
54

相关内容

图像配准是图像处理研究领域中的一个典型问题和技术难点,其目的在于比较或融合针对同一对象在不同条件下获取的图像,例如图像会来自不同的采集设备,取自不同的时间,不同的拍摄视角等等,有时也需要用到针对不同对象的图像配准问题。具体地说,对于一组图像数据集中的两幅图像,通过寻找一种空间变换把一幅图像映射到另一幅图像,使得两图中对应于空间同一位置的点一一对应起来,从而达到信息融合的目的。 该技术在计算机视觉、医学图像处理以及材料力学等领域都具有广泛的应用。根据具体应用的不同,有的侧重于通过变换结果融合两幅图像,有的侧重于研究变换本身以获得对象的一些力学属性。
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
CVPR2020 | 商汤-港中文等提出PV-RCNN:3D目标检测新网络
专知会员服务
43+阅读 · 2020年4月17日
专知会员服务
41+阅读 · 2020年2月20日
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
专知会员服务
86+阅读 · 2019年12月13日
【泡泡一分钟】学习高分辨率的3D数据表示(CVPR-25)
泡泡机器人SLAM
4+阅读 · 2017年12月11日
【泡泡一分钟】基于紧凑模型表示的三维重建(3dv-12)
泡泡机器人SLAM
10+阅读 · 2017年12月7日
【泡泡一分钟】重新认识SfM (CVPR-6)
泡泡机器人SLAM
22+阅读 · 2017年10月20日
Arxiv
8+阅读 · 2018年5月1日
VIP会员
相关VIP内容
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
CVPR2020 | 商汤-港中文等提出PV-RCNN:3D目标检测新网络
专知会员服务
43+阅读 · 2020年4月17日
专知会员服务
41+阅读 · 2020年2月20日
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
专知会员服务
86+阅读 · 2019年12月13日
Top
微信扫码咨询专知VIP会员