摘要

我们提出了一种用于估计图像对之间相对单应性的深度卷积神经网络。该前馈网络具有10层，输入为两幅叠加的灰度图像，输出为一个8自由度的单应性矩阵，可用于将第一幅图像中的像素映射到第二幅图像中。我们介绍了两种HomographyNet的卷积神经网络架构：一种是回归网络，直接估计实值单应性参数；另一种是分类网络，生成量化单应性的分布。我们使用了4点单应性参数化方法，将一幅图像的四个角点映射到另一幅图像中。我们的网络采用端到端的方式训练，使用了扭曲的MS-COCO图像数据集。我们的方法无需单独进行局部特征检测和变换估计阶段即可工作。我们将提出的深度模型与基于ORB特征的传统单应性估计器进行了比较，并强调了HomographyNet优于传统技术的场景。此外，我们还描述了多种由深度单应性估计支持的应用，展示了深度学习方法的灵活性。