机构名称：
¥ 1.0
在许多计算机视觉应用程序中，本地图像特征的抽象有效匹配是一项基本任务。然而，由于其硬件和有限的能源供应的简单性，因此在计算有限的电视（例如手机或无人机）中，在计算有限的DECES（例如移动电话或无人机）中，实时性能受到损害。在本文中，我们介绍了一个有效的学习二进制图像描述符。它改善了我们以前的价值描述符，Belid，使其更有效地进行匹配和更准确。为此，我们将使用Adaboost进行了改进的弱体培训计划，从而产生更好的本地描述。此外，我们通过迫使所有弱学习者在强大的学习者组合中具有相同的权重，并在不平衡的数据集中训练它，以解决在匹配和检索任务中产生的不对称性。在我们的实验中，与Orb相比，在本文中，其精确度接近SIFT，计算效率更好，Orb是文献中最快的算法。
heblid：增强有效的二进制本地图像描述符
主要关键词
相关文件推荐
