القابلية للتكرار ليست كافية: تعلم المناطق الافينية عبر القابلية للتمييز

يُقدم في هذا البحث طريقة لتعلم المناطق الموضعية المتكافئة. نوضح أن زيادة تكرار الخصائص الهندسية لا تؤدي إلى مطابقة موثوقة للمناطق الموضعية، المعروفة أيضًا بالسمات، مما يجعل التعلم القائم على الوصفاء ضروريًا. نستكشف العوامل التي تؤثر على مثل هذا التعلم والتسجيل: دالة الخسارة، نوع الوصفاء، التمثيل الهندسي والتوازن بين قابلية التطابق والدقة الهندسية، ونقترح دالة خسارة ثابتة سالبة صعبة جديدة لتعلم المناطق الموضعية المتكافئة (affine regions). يتفوق مقدر الشكل الموضعية -- AffNet -- الذي تم تدريبه باستخدام دالة الخسارة الثابتة السالبة الصعبة على أحدث التقنيات في استرجاع الصور باستخدام كيس الكلمات (bag-of-words) وفي الاستереو ذو الخطوط الأساسية الواسعة (wide baseline stereo). عملية التدريب المقترحة لا تتطلب بقعًا محاذاة هندسياً بدقة. يمكن الحصول على الكود المصدر والأوزان المدربة من https://github.com/ducha-aiki/affnet