Multi-view Harmonized Bilinear Network for 3D Object Recognition

這篇文章主要是利用了一種雙線性池化的方法。雙線性池化經常出現在細粒度圖像分析方向上,文章針對雙線性的特點,提出了一種多視角的patch-based 方法。 文章主要貢獻: 1)不同於現有的pooling view-wise 的方法,以patches-to-patches 相似性度量的角度來識別3D目標。對局卷積特徵做雙線性池化,有效的實現了多項式集與集的相似性功能。
相關文章
相關標籤/搜索