Deep Image Homography Estimation

文献：Deep Image Homography Estimation，下载地址

输入：128x128x2

Padding：'SAME'

池化步长：2

回归模型（HomographyNet-Regression）：

conv1 3x3 : 128x128x64

conv2 3x3 : 128x128x64

maxpooling1 2x2: 64x64x64

 

conv3 3x3 : 64x64x64

conv4 3x3 : 64x64x64

maxpooling2 2x2: 32x32x64

 

conv5 3x3 : 32x32x128

conv6 3x3 : 32x32x128

maxpooling3 2x2: 16x16x128

 

conv7 3x3 : 16x16x128

conv8 3x3 : 16x16x128

 

fully connect1: 1024x1

fully connect2: 8x1

 

loss function:

 

 

分类模型（HomographyNet-Classification）：

conv1 3x3 : 128x128x64

conv2 3x3 : 128x128x64

maxpooling1 2x2: 64x64x64

 

conv3 3x3 : 64x64x64

conv4 3x3 : 64x64x64

maxpooling2 2x2: 32x32x64

 

conv5 3x3 : 32x32x128

conv6 3x3 : 32x32x128

maxpooling3 2x2: 16x16x128

 

conv7 3x3 : 16x16x128

conv8 3x3 : 16x16x128

 

fully connect1: 1024x1

fully connect2: 8x21

softmax

 

loss function:

 

训练方式：SGD(随机梯度下降法) ，momentum =  0.9

训练数据制作：

训练标签:

,与放射矩阵H一一对应

训练设置：conv8与fully connect1需要添加dropout=0.5

测试数据集：MS-COCO

运行效率：NVIDIA Titan X GPU， 300fps