公开(公告)号：CN117635986A

公开(公告)日：2024-03-01

申请号：CN202311593713.9

申请日：2023-11-27

Applicant: 哈工大郑州研究院 ,  哈尔滨工业大学

Inventor： 王珂 ,  蒋志强 ,  谢涛 ,  任君

IPC: G06V10/75 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明属于图像特征匹配领域，具体涉及一种适用大尺度场景下基于特征匹配网络的特征识别方法。针对现有技术中无法将全局特征、局部特征和多尺度特征进行有效的提取和整合的问题。本发明设计一种适用大尺度场景下基于特征匹配网络的特征识别方法，使用基于ResNet18的特征金字塔网络提供粗、细两种级别的特征。粗级别特征生成同时具有多尺度、全局和局部信息的特征。利用局部调节分支和全局调节分支从局部和全局两个角度来有效地校准丰富的特征表示。将输出的特征传入粗匹配模块得到粗匹配坐标。最后通过细匹配模块生成细匹配位置偏差来得出最终的匹配点。实现将全局特征、局部特征和多尺度特征进行有效的提取和整合。

公开(公告)号：CN117635986B

公开(公告)日：2024-07-05

申请号：CN202311593713.9

申请日：2023-11-27

Applicant: 哈工大郑州研究院 ,  哈尔滨工业大学

Inventor： 王珂 ,  蒋志强 ,  谢涛 ,  任君

IPC: G06V10/75 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明属于图像特征匹配领域，具体涉及一种适用大尺度场景下基于特征匹配网络的特征识别方法。针对现有技术中无法将全局特征、局部特征和多尺度特征进行有效的提取和整合的问题。本发明设计一种适用大尺度场景下基于特征匹配网络的特征识别方法，使用基于ResNet18的特征金字塔网络提供粗、细两种级别的特征。粗级别特征生成同时具有多尺度、全局和局部信息的特征。利用局部调节分支和全局调节分支从局部和全局两个角度来有效地校准丰富的特征表示。将输出的特征传入粗匹配模块得到粗匹配坐标。最后通过细匹配模块生成细匹配位置偏差来得出最终的匹配点。实现将全局特征、局部特征和多尺度特征进行有效的提取和整合。