基于深度學習的特征提取和匹配（1）

作者丨黃浴@知乎

來源丨h(huán)ttps://zhuanlan.zhihu.com/p/78053406

編輯丨計算機視覺life

計算機視覺需要圖像預(yù)處理，比如特征提取，包括特征點，邊緣和輪廓之類。以前做跟蹤和3-D重建，首先就得提取特征。特征點以前成功的就是SIFT/SURF/FAST之類，現(xiàn)在完全可以通過CNN模型形成的特征圖來定義。

特征提取

? Discriminative learning of deep convolutional feature point descriptors【1】

該方法通過卷積神經(jīng)網(wǎng)絡(luò)（CNN）學習鑒別式補丁表示，特別是訓練具有成對（非）相應(yīng)補丁的Siamese網(wǎng)絡(luò)。在訓練和測試期間它使用L2距離，提出了一種128-D描述符，其歐幾里德距離反映了補丁相似性，并且可作任何涉及SIFT的替代。

如圖所示，用一個Siamese網(wǎng)絡(luò)來學習這樣的描述符，其中非線性映射由CNN表示，它對對應(yīng)或非對應(yīng)補丁對優(yōu)化。補丁通過模型提取描述符然后計算其L2范數(shù)，作為圖像描述符的標準相似性度量。而目標是學習一個描述符，在其空間中讓非對應(yīng)的補丁相隔甚遠，而在對應(yīng)的補丁緊密相連。

考慮每個圖像塊xi具有索引pi，該索引pi唯一地標識從給定視點大致投影到2D圖像塊的3D點，而目標函數(shù)定義如下：

其中p1，p2分別是投影到x1，x2的3D點索引。

這里下表給出的是三層網(wǎng)絡(luò)架構(gòu)：64×64輸入在第3層中產(chǎn)生128維輸出。每個卷積層由四個子層組成：濾波器層，非線性層，池化層和歸一化層。

非線性層，使用雙曲線切線單元（Tanh）池化層使用L2池化，歸一化很重要，這里使用減法歸一化，在第一和二層之后用高斯核減去5×5鄰域的加權(quán)平均值。

? Learned Invariant Feature Transform【2】

LIFT是一種深度網(wǎng)絡(luò)架構(gòu)，實現(xiàn)了完整的特征點檢測、朝向估計和特征描述，如圖所示。

下圖是以Siamese架構(gòu)為基礎(chǔ)的整個特征檢測和描述流水線。為了訓練網(wǎng)絡(luò)，采用圖中的四分支Siamese結(jié)構(gòu)。每個分支包含三個不同CNN，一個檢測器、一個朝向估計器和一個描述子。使用四聯(lián)（quadruplets）圖像補丁。每個包括：圖像塊P1和P2對應(yīng)于同樣3D點的不同視圖，圖像塊P3包含不同3D點的投影，圖像塊P4不包含任何顯著特征點。在訓練期間，每個四聯(lián)第i個補丁Pi將通過第i個分支。

為了實現(xiàn)端到端可微分，每個分支的組件連接如下：

1) 給定輸入圖像塊P，檢測器提供得分圖S；

2) 在得分圖S上執(zhí)行soft argmax 并返回單個潛在特征點位置x。

3) 用空間變換器層裁剪（Spatial Transformer layer Crop）提取一個以x為中心的較小的補丁p（如圖5-3）， 作為朝向估計器的輸入。

4) 朝向估計器預(yù)測補丁方向θ。

5) 根據(jù)該方向第二個空間變換器層（圖中的Rot）旋轉(zhuǎn)p產(chǎn)生pθ。

6) pθ送到描述子網(wǎng)絡(luò)計算特征向量d。

最后的運行結(jié)構(gòu)如圖所示。由于朝向估計器和描述子只在局部最大值進行評估，將檢測器解耦并在傳統(tǒng)NMS的尺度空間中運行，以獲得其他兩個組件的建議。

最后看LIFT和SIFT結(jié)果比較的例子，如圖所示。

特征匹配

MatchNet【3】

MatchNet由一個深度卷積網(wǎng)絡(luò)組成，該網(wǎng)絡(luò)從補丁中提取特征，并由三個全連接層組成網(wǎng)絡(luò)計算所提取特征之間的相似性。

如圖是MatchNet訓練時的網(wǎng)絡(luò)架構(gòu)（圖C），聯(lián)合學習將補丁映射到特征表示的特征網(wǎng)絡(luò)（圖 A）和將特征對映射到相似性的測度網(wǎng)絡(luò)（圖 B）。輸出尺寸由（高×寬×深）給出。PS是卷積和池化層的補丁大小; S是步幅。層類型：C=卷積，MP=最大池化，F(xiàn)C=全連接。因為填充卷積層和池化層，故輸出高度和寬度是輸入除以步幅的值。對FC層，大小B，F(xiàn)選自：B∈{64,128,256,512}，F(xiàn)∈{128,256,512,1024}。除FC3外，所有卷積層和FC層用ReLU激活，輸出用Softmax歸一化。

下圖是MatchNet預(yù)測的流水線圖，網(wǎng)絡(luò)拆解為并行的特征網(wǎng)絡(luò)和測度網(wǎng)絡(luò)。分兩個階段使用特征網(wǎng)絡(luò)和測度網(wǎng)絡(luò)：首先為所有補丁生成特征編碼，然后將這些特征配對并推送它們通過測度網(wǎng)絡(luò)獲得分數(shù)。