摘要

在处理类内较大变化的视觉对应问题时，需要从不同层次分析图像，包括与语义和上下文相关的特征以及局部模式，同时对实例特定细节保持不变性。为了解决这些挑战，我们通过“超像素”（hyperpixels）来表示图像，这些超像素利用了卷积神经网络早期到晚期层中选择的一小部分相关特征。借助超像素的浓缩特征，我们开发了一种基于霍夫几何投票的有效实时匹配算法。所提出的方法——超像素流（hyperpixel flow），在三个标准基准数据集以及一个新数据集SPair-71k上均达到了新的最先进水平。SPair-71k数据集包含的图像对数量显著多于现有数据集，并且具有更准确和丰富的注释，便于深入分析。