文献类型：期刊文章

作　　者：马金盾[1,2] 张雷[1] 郭理彬[1] 王江峰[1] 韩斌[1]

MA Jindun;ZHANG Lei;GUO Libin;WANG Jiangfeng;HAN Bin(Weaponry and Control Department,Army Academy of Armored Forces,Beijing 100072,China;The No.63966 th Troop of the PLA,Beijing 100072,China)

机构地区：[1]陆军装甲兵学院兵器与控制系,北京100072 [2]中国人民解放军63966部队,北京100072

出　　处：《兵器装备工程学报》

基　　金：军队科研资助项目(2016BZ67)。

年　　份：2021

卷　　号：42

期　　号：9

起止页码：202-209

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、RCCSE、ZGKJHX、核心刊

摘　　要：针对现有图像局部特征描述算法在面向特征点法视觉SLAM应用中存在的耗时和精度不能兼顾的问题,提出了一种基于深度可分离卷积和反向残差结构的改进型描述子提取网络结构。使用基于指数函数的三元组损失函数和基于余弦距离矩阵的负样本挖掘策略训练网络,得到了具有良好表征能力的网络参数。通过在Hpatches评价指标的3种任务上的对比实验,结果表明:该算法的精度远优于传统描述子和浅层网络描述子,耗时远低于深层网络描述子,兼顾了视觉SLAM的耗时和精度。

关 键 词：卷积神经网络 特征描述  可分离卷积  反向残差  

分 类 号：TP391.4]