一种深度学习特征SuperPoint
点击上方“3D视觉工坊”，选择“星标” 干货第一时间送达 本文出自近几年备受瞩目的创业公司MagicLeap[1]，发表在CVPR 2018,一作Daniel DeTone[2]，paper[3]，slides[4]，code[5]。 这篇文章设计了一种自监督网络框架，能够同时提取特征点的位置以及描述子。相比于patch-based方法，本文提出的算法能够在原始图像提取到像素级精度的特征点的位置及
相关文章
- 1. 笔记： SuperPoint: Self Supervised Interest Point Detection and Description 深度学习特征点检测
- 2. 深度学习----SIFT特征（详解）
- 3. 深度学习（七十一）3D CNN时空特征学习
- 4. 深度学习（一）K-means特征学习
- 5. 特征工程：图像特征提取和深度学习
- 6. 特征工程(七)：图像特征提取和深度学习
- 7. 深度学习基础——特征工程(一)
- 8. Deep Learning（深度学习）之（一）特征以及训练方法
- 9. UFLDL深度学习笔记 （三）无监督特征学习
- 10. 非监督特征学习与深度学习（十）----池化
- 更多相关文章...
- • Scala Trait(特征) - Scala教程
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • Kotlin学习（一）基本语法
- • 算法总结-深度优先算法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 笔记： SuperPoint: Self Supervised Interest Point Detection and Description 深度学习特征点检测
- 2. 深度学习----SIFT特征（详解）
- 3. 深度学习（七十一）3D CNN时空特征学习
- 4. 深度学习（一）K-means特征学习
- 5. 特征工程：图像特征提取和深度学习
- 6. 特征工程(七)：图像特征提取和深度学习
- 7. 深度学习基础——特征工程(一)
- 8. Deep Learning（深度学习）之（一）特征以及训练方法
- 9. UFLDL深度学习笔记 （三）无监督特征学习
- 10. 非监督特征学习与深度学习（十）----池化