利用深度网络估计单应矩阵

标题：Deep Image Homography Estimation

作者：Daniel DeTone,Tomasz Malisiewicz,Andrew Rabinovich

来源：CVPR 2016

播音员：王肃

编译：韩昊旻

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

大家好，今天给大家介绍一项深度图像的单应性评估的工作——Deep Image Homography Estimation，该文章发表于CVPR2016。

在这篇文章当中，我们提出一个基于深度卷积神经网络计算两张图片的单应性矩阵的方法。在这个网络当中的前馈神经网络有10层，输入是两张相关的灰度图像。我们提出了两种的卷积神经网络结构:一个直接估计实值的同源参数的回归网络，和一个在量化分布上产生分布的分类网络。同时，我们利用四点法参数化来表示单应矩阵，而不是传统的3*3矩阵，具体步骤如下图所示：

通过未矫正的ms - coco图像进行端到端的训练。我们的方法不需要单独的局部特征检测和转换评估阶段。

最后我们将本文的深层模型与基于ORB特征的传统的估计器进行比较，并重点介绍了本文方法优于传统技术的情况。上图描述了本文方法由深度图像产生的单应评估，从而展示了深度学习方法具有的灵活性。