目标匹配系列一之superpoint

Lightglue网络学习(ICCV 2023）

论文：https://arxiv.org/abs/1712.07629
代码：https://github.com/rpautrat/SuperPoint

1.训练过程

（1）构建一个合成数据集由简单的几何形状组成，其中兴趣点位置没有歧义Synthetic Shapes。将训练得到的检测器称为MagicPoint——它在合成数据集上明显由于传统的兴趣点检测器。尽管存在域适应困难。
（2）使用真实场景图片，用第一步训练出来的网络MagicPoint +Homographic Adaptation提取角点，这一步称作兴趣点自标注（Interest Point Self-Labeling）
（3）对第二步使用的图片进行几何变换得到新的图片，这样就有了已知位姿关系的图片对，把这两张图片输入SuperPoint网络，提取特征点和描述子

2.superpoint网络

SuperPoint 采用 “共享编码器 + 双解码器” 的全卷积结构，输入图像经一次前向计算同时完成关键点检测与描述子生成。