영상 매칭 이상점 감소를 위한 특징점 필터링 연구

초록

본 논문에서는 SIFT기반의 특징점이 추출되는 시점의 scale-space에서 만들어지는 패치의 패턴을 학습하 고 이를 분류하여 매칭 정확도가 낮은 특징점을 필터링하는 방법을 제안한다. 이를 통해 줄어든 특징점 으로 인한 연산 속도 향상과 정확한 매칭의 비율을 높이는 효과를 기대할 수 있다. 정확한 매칭을 측정 하고 유도하기 위해서 homography 변환을 사용하여 영상 간의 변환 행렬과 특징점 간의 변환 행렬을 비교하여 높은 일치를 보이는 특징점을 선별하여 학습에 사용하였다. 실험을 위해 사용한 심층 신경망 은 Resnet18[9]로 학습 결과 약 60%의 시간 단축과 약 72%의 특징점이 더 높은 정확도를 갖는 효과를 얻을 수 있었다.