基于深度递归神经网络的图像匹配

发布时间：2021-12-28 20:26

　　近年来,图像检索技术、行人重识别技术、人脸识别技术已经被应用于日常生活中。这些技术有一个共同的技术基础就是图像匹配,即对两张图片的相似程度做出判断。而基于图像块的图像匹配,其匹配的目标则是从原始图片中提取出的局部区域。在许多应用场合,准确地判断两个图像块的相似程度是非常关键的,例如目标识别、精细化的分类、图像拼接、三维重建等,都需要对图像块进行匹配。本文立足于研究基于深度递归神经网络的图像块匹配问题,比较和分析了多种常见的图像块匹配算法。通过对人类匹配过程的观察,可以看出与人类在图像上固有的匹配过程相比,原有的图像匹配算法均可以看作是“一次性”的比较,无法充分评估待匹配图片特征之间的相似程度。基于此,本文提出了模拟人类匹配过程的新的图像块匹配算法。本文首先提出了一种基于卷积神经网络和递归神经网络的图像块匹配方法。与一般的匹配方法相同,首先利用卷积神经网络对待匹配的两个图像块进行特征提取。不同的是之后将提取出的两个图像块的特征以循环递归的方式作为递归神经网络的输入,最后利用多个分类器输出的相似性分数的均值来衡量两张图片的相似度。实验证明,基于卷积神经网络和递归神经网络的匹配方法能够有效模... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

多模块共同学习描述子[29]

图 1-2 Siamese 网络结构[27]Fig.1-2 Siamese Architecture[27]e 结构[32]已经被广泛应用在了计算机视觉的很多方向，包括行跟踪[34]。[27]中作者提出了利用 Siamese 结构来解决图像匹配的即找到一个函数，能够将输入的图像映射到一个目标空间，在

深度排序网络结构


本文编号：3554673