基于多尺度残差网络的单应估计方法
Homography estimation method based on multi-scale residual network
1. 成都理工大学 计算机与网络安全学院(牛津布鲁克斯学院), 成都 610059
2. 成都信息工程大学 控制工程学院, 成都 610225
摘要
单应估计是许多计算机视觉任务中一个基础且重要的步骤。传统单应估计方法基于特征点匹配，难以在弱纹理图像中工作。深度学习已经应用于单应估计以提高其鲁棒性，但现有方法均未考虑到由于物体尺度差异导致的多尺度问题，所以精度受限。针对上述问题，提出了一种用于单应估计的多尺度残差网络。该网络能够提取图像的多尺度特征信息，并使用多尺度特征融合模块对特征进行有效融合，此外还通过估计四角点归一化偏移进一步降低了网络优化难度。实验表明，在MS-COCO数据集上，该方法平均角点误差仅为0.788个像素，达到了亚像素级的精度，并且在99%情况下能够保持较高的精度。由于综合利用了多尺度特征信息且更容易优化，该方法精度显著提高，并具有更强的鲁棒性。
基金项目
四川省科学技术厅应用基础项目(2021YJ0086)
出版信息
DOI: 10.19734/j.issn.1001-3695.2022.03.0124
出版期卷: 《计算机应用研究》 印刷出版, 2022年第39卷 第10期
所属栏目: 图形图像技术
出版页码: 3179-3185
文章编号: 1001-3695(2022)10-048-3179-07
发布历史
[2022-05-24] 优先出版
[2022-10-05] 印刷出版
引用本文
唐云, 帅鹏飞, 蒋沛凡, 等. 基于多尺度残差网络的单应估计方法 [J]. 计算机应用研究, 2022, 39 (10): 3179-3185. (Tang Yun, Shuai Pengfei, Jiang Peifan, et al. Homography estimation method based on multi-scale residual network [J]. Application Research of Computers, 2022, 39 (10): 3179-3185. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
