利用深度學習來達到特徵匹配
在特徵匹研究配領域中，克服不同影像中光線的嚴重變化一直是許多計算機視覺應用中的一項艱鉅任務。我們提出了III-Net，這是一種新穎的訓練模型，利用我們提出的double-triplet loss with softmax loss來處理特徵匹配，可以有效的提升整體特徵比對的表現以及穩定度。和以往深度學習的架構不同，我們所提出的III-Net會多處裡在特徵比對中光線變化非常大的情況，也因為多了這項處理，我們在許多現實生活中的表現比過去所有的研究結果都得到更好的結果。
在特徵匹研究配領域中，克服不同影像中光線的嚴重變化一直是許多計算機視覺應用中的一項艱鉅任務。我們提出了III-Net，這是一種新穎的訓練模型，利用我們提出的double-triplet loss with softmax loss來處理特徵匹配，可以有效的提升整體特徵比對的表現以及穩定度。和以往深度學習的架構不同，我們所提出的III-Net會多處裡在特徵比對中光線變化非常大的情況，也因為多了這項處理，我們在許多現實生活中的表現比過去所有的研究結果都得到更好的結果。