联合多尺度与注意力模型的双分支局部特征提取方法

局部特征是图像匹配与识别等应用中的关键表征方式.针对目前局部特征提取方法存在的尺度单一、区分性不足等问题,本文基于双分支编码器-解码器提出了一种联合多尺度与注意力机制的局部特征提取方法.首先,在共享编码阶段,采用经典的VGG-Style卷积神经网络对输入图像提取不同尺度的特征层;其次,在关键点解码阶段,通过与编码阶段中相同尺度特征进行并联构建特征金字塔结构以解决单一预测结构带来的特征信息不足等问题,同时在描述解码器中嵌入基于空间、通道的混合注意力模型以实现特征的选择性预测;最后针对检测和描述过程分别提出了针对性的损失函数对训练目标进行优化.实验结果表明,本文方法所提取的局部特征相较于现有方法不仅在重复性和区分性上表现更好,而且对视角、光照等变化具有更高的鲁棒性.