neighbourhood专题

Neighbourhood Consensus Networks

原因是选择一个特定匹配的步骤对于所有可能的特征集是不可微的。此外,在特征重复的情况下,将匹配分配给第一个最近邻可能导致不正确的匹配,在这种情况下,硬分配将丢失关于随后最近邻的有价值信息。这也是经典的匹配难题   首先计算dense feature: 然后计算两两之间的相似性:-》构造一个四维度的tensor,这样存储有一个好处是可以方便计算邻域信息   输入的大小是固定的h*w

Efficient Neighbourhood Consensus Networks via Submanifold Sparse Convolutions

本文的目的是输入一个image pair 然后得到他们的匹配   内存消耗大,推理时间长,对应关系局部性差。我们提出的修改可以减少10倍以上的内存占用和执行时间,并且效果相当。这是通过对包含试探性匹配的相关张量进行稀疏化,然后使用子流形稀疏卷积对其进行4D CNN后续处理来实现的。通过以更高的分辨率处理输入图像(这是可能的,因为减少了内存占用),以及通过一个新的两级对应重定位模块,定位精度显著

【车间调度】论文阅读复现——effective neighbourhood functions for the flexible job shop problem

在复现另一篇文献An effective hybrid genetic algorithm and tabu search for flexible job shop scheduling problem的算法时,发现其中的局部搜索使用了k-insertion的邻域动作,于是找到出处:effective neighbourhood functions for the flexible job sh