收录：
摘要：
针对传统学习图匹配在抗形变和抗噪声方面性能不够稳定的问题, 提出一种有监督的逐次非凸凹过程学习图匹配方法. 首先通过逐次非凸凹过程(GNCCP)求解一系列二次分配问题以估计训练目标函数的上界, 并采用Bundle 方法对上界进行优化, 完成图匹配模型的训练; 其次, 使用 GNCCP 对图匹配模型进行求解, 获得匹配结果.在CMU的House/Hotel数据集以及3个具有旋转、切变和加噪的人工合成数据集上的实验结果表明, 文中方法可以大幅提升匹配精度, 甚至达到零错误率; 在 WILLOW 数据集上, 结合形状上下文边特征描述, 也得到了令人满意的效果.
关键词：
通讯作者信息：
电子邮件地址：
