611. Image Matching Challenge 2024 - Hexathlon | image-matching-challenge-2024
感谢主办方举办本次比赛!我们在比赛中学习到了很多!
我们在处理玻璃杯以外的其他类别时,方法和之前差别不大;但我们犯了一个错误,导致非玻璃杯类别在公开排行榜(LB)出现过度拟合,[LB: 11, PB: 47]。然而,我们针对玻璃杯类别的技术是新颖的,取得了很大提升。下面是我们方法的流程图。

通过实验我们发现,构建旋转矩阵的关键在于确定每张图像之间的相对位置关系。我们假设具有更多匹配特征点的图像彼此更接近。然而,匹配特征点最多的两张图像并不一定相邻。我们需要寻找一种全局最优的排列方式。

我们将确定一组图像相对位置的问题转化为闭环图搜索算法问题。匹配特征点更多的图像更可能相邻。另外,由于照片是围绕物体拍摄的,排序后的第一张和最后一张图像也应相邻。

在实验过程中,我们结合了最小生成树(MST)和深度优先搜索(DFS)来寻找最优解。MST 是一种在图中以最小总边权值连接所有顶点而不形成环的树结构,常用的算法有 Kruskal。通过 MST,我们可以找出连接所有节点的最小代价方式。DFS 是一种图遍历算法,使用递归或栈沿一条分支深入直到叶节点,然后回溯到其他分支,直到遍历完所有节点。DFS 可用于搜索可能路径或检查图中是否存在环。综上,MST 用于寻找最短路径,而 DFS 用于在最短路径上施加闭环约束。
| 物体类别 | 交叉验证(CV) |
|---|---|
| 玻璃杯 | 0.601 |
| 玻璃圆柱体 | 0.783 |
| 物体类别 | 公开排行榜 (LB) | 私有排行榜 (PB) |
|---|---|---|
| +MST&DFS | +0.03 | +0.02 |
下面是我们的代码:
