摘要

我们介绍了一种基于CNN的新型特征点检测器——GLAMpoints，该检测器以半监督的方式进行学习。我们的检测器能够提取可重复且稳定的兴趣点，并具有密集覆盖的特点，特别设计用于在特定领域内最大化正确匹配率，这与传统技术优化间接指标的方法形成鲜明对比。本文中，我们将该方法应用于具有挑战性的视网膜裂隙灯图像上，由于图像质量低和低层次特征不足，经典检测器在此类图像上的表现不尽如人意。实验结果表明，GLAMpoints在视网膜图像的匹配和配准质量方面显著优于经典检测器以及最先进的基于CNN的方法。此外，我们的方法还可以扩展到其他领域，例如自然图像。训练代码和模型权重可在https://github.com/PruneTruong/GLAMpoints_pytorch 获取。