| 基于SuperPoint的轻量级特征点及描述子提取网络 |
| |
| 引用本文： | 李志强,朱明.基于SuperPoint的轻量级特征点及描述子提取网络[J].计算机系统应用,2021,30(11):310-316. |
| |
| 作者姓名： | 李志强 朱明 |
| |
| 作者单位： | 中国科学技术大学信息科学技术学院,合肥230027 |
| |
| 基金项目： | 安徽省2019年重点研究与开发计划(201904a05020035) |
| |
| 摘 要： | 图像特征点及描述子提取是SLAM、SFM和3D重建等任务的基础,较好的图像特征点及描述子提取算法会对这些任务的进步产生十分重要的作用.本文聚焦于提取特征点和描述子算法中鲁棒性较高、性能较好的SuperPoint网络,对该网络进行了一定程度的改进.针对其计算量和参数较大的问题,首先将普通卷积改成深度可分离卷积,改变卷积层数和下采样方式,之后改进通道剪枝算法,使其可以应用于深度可分离卷积,对网络进行剪枝.实验结果显示,在轻微损失特征点检测和匹配效果的情况下,将网络参数量压缩为原来网络的15％,运算量压缩为原来网络的5％,FPS提升6.64倍,取得了较好的实验效果.
|
| 关 键 词： | SuperPoint 特征点 描述子 深度可分离卷积 通道剪枝 |
| 收稿时间： | 2021/1/30 0:00:00 |
| 修稿时间： | 2021/2/26 0:00:00 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
