【特征匹配】开源 | 基于图卷积网络的线匹配性能表现SOTA，查全率从45.28%提高到70.47%

论文地址：http://arxiv.org/pdf/2004.04993v2.pdf

代码：https://github.com/mameng1/graphlinematching.

来源：西安电子科技大学

论文名称：Robust Line Segments Matching via Graph Convolution Networks

原文作者：QuanMeng Ma

线匹配在运动结构(SFM)、同步定位和地图构建 (SLAM)中起着至关重要的作用，尤其是在低纹理和重复的场景中。在本文中，提出一种利用图卷积网络来进行一对图像中线匹配的新方法，同时提出了一种graph-based的线段匹配策略，该策略将松弛问题转化为最优运输问题。与以往hand-crafted线匹配方法相比，本文方法学习局部线段描述符，并通过端到端训练同时进行匹配。实验结果表明，该方法性能表现SOTA，特别是与同类方法相比查全率从45.28%提高到70.47%。

下面是论文具体框架结构以及实验结果：

人工智能，每日面试题：

带核的SVM为什么能分类非线性问题？

每日面试题，答案：

号主答案：

解析：核函数的本质是两个函数的內积，通过核函数将其隐射到高维空间，在高维空间非线性问题转化为线性问题, SVM得到超平面是高维空间的线性分类平面，其分类结果也视为低维空间的非线性分类结果,因而带核的SVM就能分类非线性问题。

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。