深度特征提取方法之描述后检测的资料
深度特征提取方法之描述后检测是指在目标检测任务中，首先通过深度学习模型提取图像的特征，然后使用这些特征进行目标检测。这种方法能够提高目标检测的准确性和效率。为大家收集了一下资料。资料一；本文主要推广了目前流行的基于摄像机姿态监督的稀疏局部特征学习技术。因此，它有针对性地提出了一种共享耦合桥方案。资料二；在本文中，我们提出了一种针对弱监督局部特征学习的解耦训练描述然后检测管道。在我们的管道中，检测步骤与描述步骤解耦，并推迟到学习鉴别和鲁棒描述符。此外，我们引入了一种行到窗口的搜索策略，明确地使用相机姿态信息来更好地学习描述符。资料三；在本文中，我们采用相互加权策略再现了多模态特征学习的检测和描述的独立约束，其中鲁棒特征的检测概率被迫达到峰值和重复，而在优化过程中强调检测分数高的特征。与以往的工作不同，这些权值与反向传播分离，使检测到的模糊特征的概率不会被直接抑制，训练会更加稳定。
页:
[1]