【技术实现步骤摘要】
本专利技术涉及图像识别，尤其涉及一种基于高低频解耦和优化线性注意力的特征匹配网络。
技术介绍
1、图像局部特征匹配旨在不同图像之间建立精确的特征对应关系，是许多3d计算机视觉任务的基石，包括三维重建、视觉定位、同时定位与地图构建等。然而由于尺度变化、视角多样性、光照条件、重复模式及纹理差异等因素的影响，不同图像对同一物理空间的描述可能存在显著差异。因此，实现局部特征匹配的准确性与可靠性依然是一个复杂且具有挑战性的任务。
2、传统的图像匹配过程通常分为三个基本步骤：特征检测、特征描述和特征匹配。对于特征检测和描述，传统方法主要依赖于低层次的图像特征，如梯度和灰度序列。尽管这些方法在理论上对某些形式的转换具有一定的鲁棒性，但其效果本质上受到研究人员先验知识的限制。近年来，随着计算机视觉和深度学习技术的发展，研究人员在图像匹配领域取得了一系列创新性成果，大致可分为基于检测器的方法和无检测器的方法。基于检测器的方法与传统方法在步骤上相似，其有效性高度依赖于关键点检测器和特征描述符的性能，但由于检测器的训练数据通常依赖于人工标注，其局...
【技术保护点】
1.一种基于高低频解耦和优化线性注意力的特征匹配网络，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高低频解耦和优化线性注意力的特征匹配网络，其特征在于，在S2中采用的降采样模块，通过将通道拆分为相同大小的两个部分，并分别使用ResNet模块和VGG模块的并行网络提取初步特征。
3.根据权利要求2所述的基于高低频解耦和优化线性注意力的特征匹配网络，其特征在于，所述ResNet模块使用残差连接，由步长为2的降采样卷积和三个3×3卷积组成，用以提取低频信息；所述VGG模块由两个3×3卷积和步长为2的最大池化层组成，以用于高频信息的提取，通...
【技术特征摘要】
1.一种基于高低频解耦和优化线性注意力的特征匹配网络，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高低频解耦和优化线性注意力的特征匹配网络，其特征在于，在s2中采用的降采样模块，通过将通道拆分为相同大小的两个部分，并分别使用resnet模块和vgg模块的并行网络提取初步特征。
3.根据权利要求2所述的基于高低频解耦和优化线性注意力的特征匹配网络，其特征在于，所述resnet模块使用残差连接，由步长为2的降采样卷积和三个3×3卷积组成，用以提取低频信息；所述vgg模块由两个3×3卷积和步长为2的最大池化层组成，以用于高频信息的提取，通过两者提取初步特征时的解耦处理具体表示如下：
4.根据权利要求1所述的基于高低频解耦和优化线性注意力的特征匹配网络，其特征在于，在s3中采用的优化线性transformer模块，也沿用高低频信息解耦处理方法，具体为在多头注意力操作时，将对应低频信息的一半通道进行5×5深度可分离卷积处理，而另一半通道不做处理，表达公式为：
5.根据权利要求4所述的基于高低频解耦和优化线性注意力的特征匹配网络，其特征在于，所述优化的线性transformer模块采用线性注意力计...
【专利技术属性】
技术研发人员：官威，马义涵，王泽琨，刘毅，蒋广琪，徐守坤，
申请(专利权)人：常州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。