PFNet - Pytorch实现

前言

Rethinking Planar Homography Estimation Using Perspective Fields
Rui Zeng, Simon Denman, Sridha Sridharan, Clinton Fookes
这篇论文的Pytorch实现，代码地址 PFNet-pytorch. 喜欢的朋友给个⭐哦

论文理解

这篇论文的创新之处在于：

1. 提出perspective field (PF)的概念用来进行单应性估计。之前的方法（DHN\UDHN）都是通过预测四个角的偏移量来计算单应性矩阵，但是四个点是不够鲁棒的，任意一点的扰动都可能造成整张图片估计的精确度的下降。本文通过预测每个像素的位移(PF)来提升鲁棒性。（其实这和光流很相似，只不过这里的光流是通过单应性矩阵计算出来的）
2. 提出了一个全卷积网络来完成PF的预测。
3. 在预测完成后，通过RANSAC方法来滤除外点，计算出精确的单应性矩阵。

下面来看一下PFNet网络结构，网络结构很清晰，上半部分是编码器，下半部分是解码器。输入是两张堆叠的patch，编码器是ResNet50的前三模块，解码器对应编码器进行相应构造，使用反卷积来上采样，最后输出[H W 2]的PF。

代码使用说明

一. 准备合成数据集
下载COCO2014数据集
二、训练模型

python train.py --dataset=/path/to/COCO

三、测试模型
下载预训练模型（链接:https://pan.baidu.com/s/1nVo55NGG-iCXy__e08SokQ 提取码:enkv）并存放在根目录文件夹下

python evaluate.py --dataset=/path/to/COCO --model=./pfnet_0200.pth

运行结果：

MACE: 1.21

results