图像匹配数字图像处理结题报告.pptVIP

图像匹配数字图像处理结题报告 第21组 蔡致远 郭立 马壮 我们今天将要介绍的内容 上次回顾 本次进展 遇到的问题 上次回顾 我们不能识别被遮挡部分的内容，所以我们决定尝试新的算法来进行匹配。 我们主要尝试了以下几种算法： 上次回顾 PIU算法 上次回顾 Sift算法 本次进展 我们最后决定使用faster RCNN算法。 本次进展 Faster RCNN的基本结构 Faster RCNN分为四部分： Conv layers。作为一种CNN网络目标检测方法，Faster RCNN首先使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。 Region Proposal Networks。RPN网络用于生成region proposals。该层通过softmax判断anchors属于foreground或者background，再利用bounding box regression修正anchors获得精确的proposals。 Roi Pooling。该层收集输入的feature maps和proposals，综合这些信息后提取proposal feature maps，送入后续全连接层判定目标类别。 Classification。利用proposal feature