一种加速图像特征提取的SuperPoint轻量化模型

一种加速图像特征提取的SuperPoint轻量化模型，属于图像处理领域。首先，采用知识蒸馏方法，以SuperPoint原模型为教师模型，对其进行轻量化，得到学生模型；然后，对原数据集的特征点进行扩增，构建数据集的硬标签；接着，利用教师模型的输出和硬标签信息，构建软标签；同时，在学生模型中加入SE注意力机制，以进一步提升轻量化模型的性能；最后，对学生模型进行训练，得到SuperPoint轻量化模型。该模型在大幅降低参数量的同时，逼近原网络性能。相较于原网络模型，参数量从1304k降到105k，减少了91.95％。在基于100对图像的实际测试中，轻量化模型的匹配速度提升了95.45％、匹配正确率和匹配分数仅分别下降了1.74％和1.73％。