[学习笔记-深度学习篇]superpoint

参考链接：

• 理论梳理

SuperPoint
SuperPoint 论文详解
深度学习用于特征提取 : SuperPoint网络
笔记： SuperPoint: Self Supervised Interest Point Detection and Description 深度学习特征点检测
*《SuperPoint:Self-Supervised Interest Point Detection and Description》笔记

• 程序解读

[代码解读]Superpoint代码解读
SuperPoint学习—demo代码理解

1.整个训练分为magicpoint和superpoint的训练。
其中superpoint的自训练的自监督方法，就需要借助magicpoint实现。
1）特征点训练
首先需要确定自训练的真值。这个真值是通过现将MS-COCO进行单应性变换，随后将变换后的图像在magicpoint框架中训练得到特征点heatmap，累加heatap得到最终heatmap，使用阈值截取获得每个位置上的特征点，作为真值。
随后就可以magicpoint得到的真值进行训练。
2）描述子训练
描述子的真值不易确定，因此这里采用loss进行优化。
首先对原始图像进行warp，由于已知warp前后特征点的对应关系，可以对对应点求loss，优化使匹配点间的距离小，非匹配点间距离大，即可获得描述子真值。