论文部分内容阅读
针对传统学习图匹配在抗形变和抗噪声方面性能不够稳定的问题,提出一种有监督的逐次非凸凹过程学习图匹配方法.首先通过逐次非凸凹过程(GNCCP)求解一系列二次分配问题以估计训练目标函数的上界,并采用Bundle方法对上界进行优化,完成图匹配模型的训练;其次,使用GNCCP对图匹配模型进行求解,获得匹配结果.在CMU的House/Hotel数据集以及3个具有旋转、切变和加噪的人工合成数据集上的实验结果表明,文中方法可以大幅提升匹配精度,甚至达到零错误率;在WILLOW数据集上,结合形状上下文边特征描述,也