公开(公告)号：CN114398972B

公开(公告)日：2025-01-21

申请号：CN202210018929.1

申请日：2022-01-07

Applicant: 福建农林大学

Inventor： 石子威 ,  肖国宝 ,  陈日清 ,  杨长才 ,  魏丽芳

IPC: G06V10/75 ,  G06N3/047 ,  G06N3/048 ,  G06N3/045 ,  G06N3/08 ,  G06V10/74 ,  G06V10/762 ,  G06V10/46 ,  G06V10/82

Abstract: 本发明涉及一种基于联合表示注意力机制的深度学习图像匹配方法。包括以下步骤：步骤1、使用SIFT算法和NN匹配算法建立初始匹配集；步骤2、利用改进的网络JRA‑Net进行误匹配剔除，得到匹配为内点的概率集；步骤3、将步骤2输出的概率集视为权重集，利用加权8点算法估计本质矩阵；步骤4、通过本质矩阵回归准确的相对姿态（旋转和平移）。本方法通过联合表示注意力机制的相关理论知识以及在室内外公开数据集上的大量实验说明了本方法具有高精度，高效率和高鲁棒性的特点，可广泛应用于三维重建，遥感图像拼接、即时定位与地图构建等计算机视觉任务中。

公开(公告)号：CN114398972A

公开(公告)日：2022-04-26

申请号：CN202210018929.1

申请日：2022-01-07

Applicant: 福建农林大学

Inventor： 石子威 ,  肖国宝 ,  陈日清 ,  杨长才 ,  魏丽芳

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/75 ,  G06V10/74 ,  G06V10/762 ,  G06V10/46 ,  G06V10/82

Abstract: 本发明涉及一种基于联合表示注意力机制的深度学习图像匹配方法。包括以下步骤：步骤1、使用SIFT算法和NN匹配算法建立初始匹配集；步骤2、利用改进的网络JRA‑Net进行误匹配剔除，得到匹配为内点的概率集；步骤3、将步骤2输出的概率集视为权重集，利用加权8点算法估计本质矩阵；步骤4、通过本质矩阵回归准确的相对姿态（旋转和平移）。本方法通过联合表示注意力机制的相关理论知识以及在室内外公开数据集上的大量实验说明了本方法具有高精度，高效率和高鲁棒性的特点，可广泛应用于三维重建，遥感图像拼接、即时定位与地图构建等计算机视觉任务中。