信息与控制

作者：聂瑜, 陈春梅, 刘桂华

关键词：深度学习, 特征检测, 局部特征, VGG16

特征检测是计算机视觉中的一个基本问题，特征检测器检测提取特征的能力直接影响着后续图像处理的效果.目前，手工制作的检测器提取可重复性特征效果差，而一些基于学习的检测器网络结构复杂、检测速度较慢.针对这些问题，提出了一种网络轻量化的特征检测器VGG (visual geometry group network)-Det.通过对传统VGG16网络模型进行层间删减以及结构调整，设计了一个紧凑型的网络模型，并使用随机变换的基准图像块作为输入来训练网络，以实现对图像信息的高效率学习和局部特征的快速检测.实验中，对VGG-Det在Webcam、EF (edge foci)、VGG-Affine 3个经典数据集上进行了性能评估，分别取得了67.9%、66.9%、47.1%的平均可重复性.相较于较新的TILDE-P24检测器，所提检测器最高高出11.4%的可重复性，检测速度提升近21.5%，具有明显优势.通过实验结果及其原理分析表明，本文提出的VGG-Det检测器高效可行，同步提升了图像特征检测的速度与可重复性性能.

来源：2021年第4期

《信息与控制》期刊编辑部

查看信息与控制杂志2021年第4期