基于机器学习的点集匹配算法

• 作者: 唐思琦 郭田德 韩丛英
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: 多指向型网络 点集匹配 递归神经网络 长短期记忆网络 多标签分类
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 数学与物理学
• 页码范围: 450-457
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2020.04.003

摘要

点集匹配是计算机视觉和模式识别中的重要问题,在目标识别、医学图像配准、姿态估计等方面都得到广泛应用.提出基于机器学习的端对端模型——multi-pointer network(MPN)来解决点集匹配问题.该网络模型利用多标签分类的思想,改进pointer network.以前的模型只输出输入序列的一个元素,而MPN模型选择输入序列中的一组元素作为输出.首先,把点集匹配问题转换为序列问题.这样,网络的输入为顶点的坐标序列,输出为点对之间的对应关系.利用这种方式,可以解决相对于整个空间的平移变换和其他大幅度的刚性变换.实验结果表明,模型也可以被推广解决其他带结构的组合优化问题,如三角剖分等.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭田德	中国科学院大学数学科学学院	25	265	9.0	16.0
2	韩丛英	中国科学院大数据挖掘和知识管理重点实验室	12	60	3.0	7.0
3	唐思琦	中国科学院大学数学科学学院	1	0	0.0	0.0