基于神经网络的高效模板匹配算法

基于NN模板匹配Lior Talker1，Yael Moses2，Ilan Shimshoni11以色列海法大学网址：ltalke01@campus.haifa.ac.il，ishimshoni@mis.haifa.ac.il2跨学科中心，以色列yael@idc.ac.il抽象。模板匹配是计算机视觉中的一个基本问题，有着广泛的应用。现有方法使用滑动窗口计算来选择最佳匹配模板的图像窗口。对于基于平方差之和、绝对差之和归一化互相关的经典算法，已经开发了允许它们实时运行的有效现有技术的算法基于模板内的小块与图像中的块的最近邻（NN）匹配。这些算法产生国家的最先进的结果，因为它们可以更好地处理外观，视点，照明，非刚性变换，和闭塞的变化。然而，基于NN的算法是相对缓慢的，不仅由于NN计算每个图像补丁，而且因为它们的滑动窗口计算是低效的。因此，我们在本文中提出了一个有效的基于神经网络的算法。它的准确性与现有算法相似（在某些情况下略好），其运行时间快43- 200倍，具体取决于所使用的图像和模板的大小。我们的方法的主要贡献是一个算法，用于增量计算的分数的基础上，为前一个窗口计算的每个图像窗口。这与如在先前的基于NN的方法中那样独立地计算每个图像窗口的分数形成对比。因此，算法的复杂度为O（|我|）而不是O（|我||不|），在哪里|我|和|不|分别是图像和模板的大小。1介绍模板匹配是计算机视觉中的一个基本问题，在目标跟踪、目标检测和图像拼接等领域有着模板是一个小的图像，目标是在目标图像中检测它挑战是这样做，尽管模板图像的变化引起的外观，遮挡，刚性和非刚性转换。给定一个模板，我们希望找到一个包含与模板相同对象的图像窗口。理想情况下，我们希望找到图像窗口和模板之间的正确的密集对应，其中正确的对应反映了同一世界点的两个视图。在实践中，由于模板图像变化，这可能难以获得并且在计算上难以实现。2Lior Talker，Yael Moses，IlanShimshoni贵了为了克服这些挑战，Bradski等人。 [9]提出基于最近邻（NN）收集证据，即给定的图像窗口包含与模板相同的对象。在本文中，我们遵循相同的范式。最先进的算法[9，13]使用朴素的滑动窗口程序计算模板大小的每个窗口的匹配分数具有最高分数的位置是结果。这在计算上是昂贵的，因为分数是针对图像中的每个窗口独立计算的的图像的大小|我|和大小的模板|不|时间复杂度为O（|我||不|）. 对于尺寸为480× 320的小图像和50× 50模板，当前最先进算法[13]的运行时间（在C++中）约为1秒，对于尺寸为1280× 720的较大图像和200× 300模板，需要约78秒。因此，即使这些基于NN的算法产生现有技术的结果，它们的性能也是有限的。应提高效率，以便在实践中加以利用在本文中解决的主要挑战是开发一个高效的算法运行基于神经网络的方法，也考虑几何变形。我们在模板T和图像窗口τ之间的匹配得分受到[13]中建议的匹配得分的启发但是，我们的算法只需要O（|我|）操作，这是[ 13 ]的运行时间的一小部分。它也稍微提高了[13]的准确性。例如，考虑大小为1000× 1000的典型图像I、大小为100× 100的模板T和SSD分数。在这个例子中，O（|我||不|）≈ 10需要10次操作，而在我们的方法中，其顺序为O（|我|）≈106。我们的评分函数称为可变形图像加权不受欢迎度（DIWU），其灵感来自[13]中介绍的可变形多样性相似性（DDIS）评分这两个分数都是基于图像窗口中的每个补丁和模板的补丁之间的最近邻（NN）补丁匹配图像窗口的分数是其像素的分数的简单总和。像素得分由其NN的不受欢迎度度量以及候选图像窗口中的块相对于模板中的NN块的位置的相对位置组成。DIWU中的像素的不受欢迎度由整个图像中选择与像素相同的NN的（其他）像素的数量定义，而在DDIS中，仅考虑τ中的像素此外，DIWU中的变形度量基于L1距离，而DDIS中的变形度量基于L2距离DDIS的这些修改使我们能够开发我们的高效迭代滑动窗口算法来计算DIWU分数，这也略微改善了DDIS结果。我们的方法3的主要技术贡献是在所有可能的候选窗口大小上的DIWU的有效计算|不|内燃单个窗口τ上的DIWU可以通过针对τ的每一行和每一列单独计算的分数的总和来获得。这将计算2D窗口的分数的问题减少为计算一组1D分数的问题的得分然后使用有效的1D滚动求和来获得窗口。我们提出了一个迭代算法计算连续窗口的1D分数3我们的方法的C++代码（和Matlab包装器）可在http：//liortalker.wixsite.com/liortalker/code网站。基于NN模板匹配的高效滑动窗口计算3时间复杂度为O（1）该算法需要一个O（|我|）初始化。因此，我们得到了所需的整体复杂度O（|我|）而不是原来的复杂度为O（|我||不|）.我们在两个大型且具有挑战性的数据集上测试了我们的方法，并分别获得了约43倍和200倍的运行时加速。本文的其余部分组织如下。在回顾相关工作后，我们在第二节中介绍了DDIS评分和我们新的DIWU评分3 .第三章。然后在第二节中给出了计算DIWU的有效算法。4，和实验在Sec. 五、我们的结论，并提出了可能的扩展六、2相关工作由于模板匹配的文献是巨大的，术语“模板匹配- ING”用于几个不同的问题，我们限制我们的审查模板匹配-ING的我们对“相同实例”模板匹配感兴趣[10]中给出了模板匹配的全面综述最常见的模板匹配方法是平方差和（SSD），绝对差和（SAD）和归一化互相关（NCC），它们对变形或极端刚性变换非常敏感。其他方法旨在对模板与图像中的相同对象之间的变换进行建模，使用仿射变换[19，5，14]。在许多情况下，这些方法执行得很好，但它们经常在存在遮挡、混乱和复杂的非刚性变换时尽管深度卷积神经网络（deep CNN）已经彻底改变了计算机视觉领域（以及其他领域），但我们并不知道有任何工作将它们用于模板匹配（如本文所定义），尽管它们在类似问题中取得了成功例如，[6]的作者提出了一种基于深度CNN的窗口排名算法，并将其用于辅助简单的经典模板匹配算法。类似地，[11]的作者提出使用深度CNN来排除图像中可能与模板不匹配的部分。虽然基于深度CNN的补丁匹配算法[17，18]可能用于模板匹配，但它们的目标是匹配相似的补丁（如立体匹配）;因此，它们是在片出现的简单、小的变化上训练的。相比之下，我们考虑任何大小的模板，其可能经历外观的极端变化，例如，变形最后，用于视觉对象跟踪的基于深度CNN的方法[1，4]确实匹配模板，然而，通常用于先验已知的特定对象类更重要的是，他们使用视频作为输入，这提供了我们认为不可用的时间信息诸如可变形部件模型（DPM）[3]的对象定位方法基于使用广义距离变换的对象部件的有效模板匹配。然而，根部分（例如，人的躯干）仍然需要作为模板被彻底匹配，在此之后，其他部分与其有效地对准。[ 15 ]中提出的一种有效的滑动窗口对象检测方法与我们的方法有一些相似之处。之间的空间一致性4Lior Talker，Yael Moses，IlanShimshoniWindows被用来递增地更新局部直方图。由于窗口分数是使用局部直方图计算的，因此在不同窗口中为像素分配相同的分数。这与我们的方法相反，其中像素的变形分数在不同窗口中是不同与我们最密切相关的作品是[9，13]，后者获得了最先进的结果并启发了我们的方法。我们将在下一节中讨论这些方法以及与我们的方法的区别3基本方法我们的方法的输入是一个n×m的图像I和一个w×h的模板T。我们的目标是检测与模板对象最相似的w×h图像窗口τ每个候选图像窗口τi的得分S（τi）反映该候选图像窗口τ i的质量。匹配已定义。一个滑动窗口程序是用来考虑所有可能的图像窗口，和一个最高的分数是我们的输出。如在[9，13]中，基于针对I中的每个像素执行一次的最近邻计算来定义得分S（τ）。我们用Nr（p）表示像素p∈I的最近邻，其中像素Nr（p）∈T周围的补丁是最多的。类似于p∈I周围的补片。在我们的实现中，我们使用了FLANN库[8]用于有效的近似最近邻计算。它用于两个不同的描述符：3× 3的RGB补丁，以及使用VGG网络计算的深度特征[12]。分数cτ（p）理想地反映了Nr（p）∈T是p∈τ的正确匹配的置信度。（我们使用cτ，因为p的得分可能是窗口相关的。整个窗口的得分S（τ）是所有p∈τ上的cτ（p）值之和：ΣS（τ）=cτ（p）。（一）p∈ τ因此，挑战是定义p∈τ的置信度得分cτ（p），使得S（τ）不仅反映τ和T之间的匹配质量，而且还可以针对所有候选窗口τ∈I有效地计算。3.1既往评分在[9]中，如果p也是τ中Nr（p）的NN（称为“最佳伙伴”），则p∈τ找到正确匹配Nr（p）∈T的置信度被定义为高在[13]该置信度由q = Nr（p）的窗口流行度定义，其为所有pixelsp′∈τ的最接近的n∈hb。通常，q∈T的两个运算定义为：ατ（q）=|{p|p∈τ&Nr（p）=q}|、（二）并且像素P∈τ的置信度得分由下式给出：τDIS（p）= e−ατ（Nr（p））。（三）C基于NN模板匹配的高效滑动窗口计算5因此，如果像素匹配的流行度较低，则像素匹配更可靠。6Lior Talker，Yael Moses，IlanShimshoni的ddiL2DISL2DISDISDIWUIWU为了提高鲁棒性，匹配像素的空间配置是融入到乐谱中修改后的评分，cτ（p），反映了对齐p形式上，p∈τ的空间位置由pτ=p−oτ定义，其中oτ是左上像素在I.pτ和q=Nr（p）的未对准在[13]中使用L2定义距离：τ1L2（p）= 1 + ||pτ −q||.（四）像素P的置信度然后由下式给出：τ的ddi （p）=aτ（p）cτ（p）.（五）效率：虽然对于图像中的每个像素仅计算一次NNaτ值（p）和cτ（p）依赖于窗口因此，计算对于每个窗口τ，SDIS（τ）和SDDIS（τ）需要O（|不|）操作。对于I中的所有窗口独立计算得分需要O（|我||不|）操作。3.2基于图像的不受欢迎度：IWU评分我们专注于提高[13]的效率，同时保持其准确性。我们通过修改cτ来实现τ的ddi 获得新的分数cIW U 和cτ。使用这些分数计算的窗口分数可以被有效地计算用于I中的所有窗口（秒）4）.q∈T的基于窗口的流行度（等式2）2）被修改为基于图像的流行度度量。也就是说，我们考虑来自整个图像的像素集合（而不仅仅是τ中的像素），其中q是它们的NN。基于图像的受欢迎程度由下式给出：α（q）=|{p|r&（p）=q}|.（六）如果α（Nr（p））很高，则p和Nr（p）之间的对应关系不太可能是正确的。因此，像素p的置信度得分由下式定义C（ p ） =e−α（Nr（p）） 。（七）人们可以争论α（q）或ατ（q）是否最好地定义了应该用于匹配置信度的流行度我们最初的动机是计算效率，如下所述然而，实验表明IWU也比DIS稍微更准确，同时计算效率更高（Sec.（五）。IWU和DIS之间在它们对包含在图像中重复多次的对象的模板的响应方面存在细微的差异，例如，Windows.由于IWU在整个图像的上下文中对每个补丁进一2C和c基于NN模板匹配的高效滑动窗口计算7行加权，因此其得分低于DIS，DIS仅考虑窗口上下文。我们认为，这是理论上有益的，以抑制重复结构的得分然而，在实践中，这种差异很少反映在最终输出中（见图1）。1在补充材料中）。8Lior Talker，Yael Moses，IlanShimshoniXyDIWUDIWU杜杜IWU效率：值α（q）和cIW U（p）（等式2）因此，对于I中的每个像素仅计算一次。结果是CIWU矩阵。为了获得单个窗口的最终得分，我们需要将其所有元素在CIWU中求和。计算所有窗口的分数分两步完成 对于图像中的每一行，我们使用以下滚动求和方法计算1D窗口的总和。给定先前1D窗口的总和，减去一个元素（即，不在当前窗口中的一个）并且添加一个元素（即，不在前一个窗口中的那个上在该步骤的结果中，在列上应用1D滚动求和，从而产生最终结果。这两个步骤的复杂度都是O（|我|）.3.3变形：DIWU评分我们遵循[13]并通过使用未对准分数来提高cIW U的鲁棒性。为了效率起见，我们单独地使用X和y分量中的未对准，如在L1距离中，而不是在等式2中使用的L23 .第三章。我们针对q=Nr（p）的比对得分由下式定义：aτ（p）= e−|qx−pτ|，aτ（p）= e−|qy −pτ|.（八）xxyy令置信度cτ（p）由cτ（p）=aτ（p）+aτ（p）给出这场D Dxy定义是使用cτ（p）=cτ（p）的得分S（τ）可以被分成DXy两个分数，SD（τ）和SD（τ），如下：ΣS（τ）=（aτ（p）+aτ（p））=Σaτ（p）+Σaτ（p）= Sx（τ）+Sy（τ）。Dx ypτ∈ τXpτ∈ τypτ∈ τD D（9）空间比对分数可以与置信IWU分数相结合（第3.2）既要反映受欢迎程度，又要反映空间配置。因此，我们认为，τDIWU （p）=aτ（p）cIWU （p）+aτ（p）cIWU （p）=cτ，x（p）+cτ，y（p）.（十）在这里，最终分数再次可以被分成两个分数的总和ΣSDU（τ）=pτ∈ττDIWU （p）=Sx（τ）+Sy（τ）。（十一）DIWU评分与DDIS评分相似，并且获得相似的准确度接下来，我们提出了一种算法，用于计算的DIWU分数有效。4有效算法在本节中，我们提出了我们的主要技术贡献一个简单的滑动窗口计算需要O（|我||不|）操作，如用于计算[ 13 ]中的DDIS分数。我们不能使用一个天真的滚动和算法，如在第二节。3.2、自置信度cτ（p）是窗口依赖的。我们的算法迭代计算CC基于NN模板匹配的高效滑动窗口计算9杜DXFig. 1. 1D情况下γ i（p）的图示。T和I分别是模板和图像。它们的像素之间的线表示NN。在图像上标记两个连续的图像窗口τ5和τ6，并且在右侧呈现其每个像素的γ i（p）。（1）每一个人，都有一个自己的故事，只不过是一个故事而已。|我|）.对于I中的每个像素计算一次NN。除了CIWU之外，我们还存储了两个大小为n×m的2D矩阵Qx和Qy。矩阵Qx和Qy由NN的坐标组成。也就是说，对于q=Nr（p），Qx（p）=qx和Qy（p）=qy。 CIWU（p）由q=Nr（p）的不受欢迎性组成。为了便于说明，我们首先考虑1D情况，然后将其扩展到2D情况。4.11D病例设T是一个1×w模板，I是一个1×n图像。在这种情况下，像素p和Nr（j）具有单个索引，1≤p≤n和1≤Nr（j）≤w。的图像窗口由{τi}n−w给出，其中τi=（i，. . . ，i + w-1）。我们首先计算Sx（τi）i=1然后将其扩展到SxD（τi），定义在等式（1）中。9、Eq.11个国家。也就是说，我们使用cτ（p）=aτ（p），然后我们使用cτ （p）=aτ（p）cIW U（p）。DIWUxDIWUx我们的目标是迭代计算给定的Sx（τi）的Sx（τi+1），在初始com-D DS_x（τ_1）。这应该使用固定的少量操作来完成独立于w的。在1D c中的ealignmetcoree由τi（j）=e-|γi （j）|，其中reγi（j）= Nr（j）−（j−i）是j和Nr（j）相对于τi的位移（见图12）。①的人。τ i的分数则由下式给出：S（τi）=Σe−|γi（j）|为ΣΣe−|γi（j）|+的e−|γi（j）|=A+（τi）+A−（τi），（12）j∈τij∈τiγi（j）≥0X xj∈τiγi（j）0其中A+（τi）和A−（τi）是非负和X xγi分别为负值。因此，它足以显示如何iter-to-A+（τi）和A−（τi）。X x让我们首先考虑两个连续窗口的交点中的像素的对齐分数，j∈τi <$τi+1。分数取决于所考虑的窗口。由于图像窗口τi+1是相对于τi的一个像素移位，因此可以得出：10Lior Talker，Yael Moses，IlanShimshoniXγi+1（j）=Nr（j）−（j−（i+1））=γi（j）+1。具体而言，可以得出以下结论：.e−|γ i +1（j）|为e−1e−|γi（j）|γi（j）≥0e·e−|γi（j）|γi（j）<0.（十三）接下来，我们提出一种迭代算法来更新A+（τi+1）和A−（τi+1）。X xA+（τi）和A−（τi）是有效的执行以下五个步骤以X x得到更新后的A+（τi+1）和A−（τi+1）。X x1. 设A−（τi+1）=A−（τi）和A+（τi+1）=A+（τi）。x x x x2. 像素i在τi中但不在τi+1中。此外，我们有γi（i）≥0。因此，我们认为，e−|γi（i）|S应是来自A+（τi+1）的子运算。3. 设k为像素数，使得j ∈ τi <$τi+1且γi（j）= −1。由于上述移位（Eq.13），这些像素的值，k·e-|−1|、应从A−（τi+1）中减去并加到A+（τi+1）中。X x4. 由于偏移（Eq. 13）、A+（τi+1）和A−（τi+1）乘以e−1X x分别为E5.最后，像素i+w在τi+1中但不在τi中。此外，γi+1（i+w）≤0。He nc e e−|γi+1（i+w）|s应加到A+（τi+1）或A−（τi+1）ac或d中。X x对于γi+1（i+w）= 0或0，分别是。<虽然所有这些步骤都可以在恒定的时间内完成，但k的计算，即位移为−1的τi中的像素数（即γi（j）= −1），在这方面有些棘手。为了解决这个问题，我们使用直方图histi，bin值为−w+1，. . .，-1，其中histi（-r）存储像素s. t. j∈τi且γi（j）=−r。在直方图中不必保持正差异。直方图可以通过histi+1（r）=histi（r+1）迭代更新，其中−w+1 0的（I，T）对的数量之间的比率。5，和对的总数;（ii）整个数据集的平均IoU（MIoU）我们以秒为单位测量了这些方法的运行时间。报告的运行时间不包括近似NN计算（使用FLANN [8]），这对于所有方法都是相同的，并且单独报告基于NN模板匹配的高效滑动窗口计算11我们还评估了算法的准确性和运行时间作为I的大小的函数。这是通过综合地放大和缩小I和T来完成的（第12节）。5.3）。12Lior Talker，Yael Moses，IlanShimshoni图二、来自BBS（前两个）和TinyTLP（后两个）数据集的结果左侧图像对应于从中获取模板的图像（绿色矩形）。中间的图像是目标。绿色、蓝色、红色、黑色和品红色矩形分别对应于GT、IWU、DIS、DIWU和DDIS。右侧图像对应于热图，其中左上、右上、左下和右下分别对应于DIS、IWU、DDIS和DIWU。5.1BBS数据集BBS数据集由三个子数据集组成，我们将其称为BBS25，BBS50和BBS100，分别具有270，270，252个图像模板对的图像的大小为320× 480或320× 240（相对较小！）。BBSX中的变量X表示T和I取自同一跟踪的两个图像视频与X帧分开。通常，较大的X表示较难的数据集。结果见表。1.一、IWU（0. 009）是2。比DIS快2倍（0. 02）。然而，对于DIWU（0. 024），其运行速度比DDIS（1. 030）。对于深度特征获得类似的改进。注意，这些运行时间不包括所有算法共有的NN计算的运行时间NN计算花费大约0。219秒颜色特征和4.第一章1秒（！）对于深度特征（由于它们的高维度）平均而言。基于NN模板匹配的高效滑动窗口计算13至于准确性，正如预期的那样，当使用变形评分时，结果得到了改善（DDIS和DIWU vs.DIS和IWU）。一般来说，当比较DIS与IWU或DDIS与DIWU时，结果的差异很小。在某些情况下，我们的算法表现更好，反之亦然。因此，在不降低精度的情况下实现5.2TinyTLP数据集TinyTLP数据集由50个缩短的视频片段组成，每个片段有600帧，大小为1280× 720。(The完整版本包含相同的视频剪辑，每个都有数千帧。）数据集非常具有挑战性，其中包含许多非刚性变形、遮挡、剧烈的姿势变化等。为了避免冗余测试，我们只对50帧1，11，. . .，491，从中我们获取模板T，并且图像I是从前面的100帧，即，如果x是T的标架，则x+ 100是I的标架。数据集总共包含50· 50 = 2500个图像模板对。我们在Tab中展示了我们的结果。二、IWU（0. 059）是6。比DIS快6倍（0. 391）。然而，对于DIWU（0. 209），其运行速度比DDIS（42. （3）第三章。对于深度特征获得类似的改进注意，这些运行时间不包括所有算法共有的NN计算的运行时间用于颜色和深度特征的NN计算花费大约1 .一、37和3056（！）秒，分别。至于准确性，与SEC中的行为相同。5.1得到其中变形评分改善了结果，DIS和IWU的准确性差异然而，我们的DIWU算法不仅显着提高DDIS的速度，而且其准确性。5.3精度运行时间与分辨率的函数关系我们的理论分析和上面讨论的实验表明，运行时的改善主要取决于模板大小。我们测试的图像和模板大小的函数在运行时的中的每个图像在BBS25数据集上，我们用相同的因子调整了I和T的大小。我们考虑的因素在[1/6，2. 5]。此外，我们测试了当图像被下采样以获得更快的运行时间时，结果是否会受损准确度分析的结果如图所示。第3（a）段。X轴对应于上面定义的调整大小因子。对于所有算法，随着I和T被下采样，准确度迅速降低是明显的。例如，当图像是其原始尺寸的1/ 2时，精度比原始尺寸差约10%当图像是其原始尺寸的1/4时，精度大约差20%。当对I和T进行上采样时，精度保持与原始分辨率相似。运行时分析如图所示。3（b）&（c）。至于精度，x轴对应于大小调整因子。运行时间随着I和T被上采样而增加。对于DDIS，随着分辨率的增加，运行时间的增加非常14Lior Talker，Yael Moses，IlanShimshoni(a) 精度（b）放大（c）放大（Zoom）图三. 精度和运行时间是分辨率的函数。x轴对应于相对比例因子（相对于大小为480× 320的图像）。(a)y轴对应于算法的精度（平均IoU）。（b）（c）y轴对应于以秒为单位的运行时间。(c)是（b）的下部的放大。快速（见图中的洋红色曲线第3（b）段）。对于DIS、IWU和DIWU，运行时间的增加要慢得多（图1）。 3（c）），其中IWU和DIWU的增加比DIS的增加更慢。DIWU的运行时间的经验增长似乎是规模的二次函数，而DDIS的增长是四次函数，正如预期的那样。6未来工作总结本文提出了一种基于最近邻的模板匹配算法。本文的主要贡献是为这项任务的有效框架 我们的新算法可以减少O（|我||不|）的复杂度为O（|我|）.在实践中的改进取决于图像和模板的大小。在骗局上sidered数据集，我们将运行时间提高了43倍至200倍。这种效率的提高可以使基于NN的模板匹配对于实际应用是可行的。给定计算的NN，我们的算法的效率可以被用来运行它几次，在整个计算时间只有很小的增加例如，它可以用于考虑几个不同的尺度或取向。然而，这是留给未来的研究，以确定从不同的运行中获得的最佳结果。最后，我们的算法是基于扩展到2D模板的1D方法。将我们的算法扩展到k维模板是直接的这里，1D情况应应用于k个维度中的每一个，并且最终得分是所有维度的总和。复杂度在数据大小上仍然是线性的，并且与模板大小无关。这是留给未来的工作来探索这个扩展。鸣谢：这项工作得到了以色列科学基金会的部分支持。930/12，以及以色列经济和工业部创新局。基于NN模板匹配的高效滑动窗口计算15引用1. L.贝尔蒂内托瓦尔马德雷J. F.亨里克斯A.维达尔迪和P。H.乇用于目标跟踪的全卷积连体网络 In European Conference onComputerVision，第850-865页，2016年。2. G.布拉德斯基 OpenCV库。 Dobb博士3. P. F. Felzenszwalb 和 D. P. Huttenlocher 。 用 于 物 体 识 别 的 图 像 结 构 。InternationalJornalofC〇mputerVision，61（1）：55- 79，2005.4. D. Held，S.Thrun和S.Savarese 学习以每秒100帧的速度进行跟踪完成两项工作。 InEuropeanConfernceonComputerVision，第749- 765页，2016年。5. S. Korman，D.Reichman，G.Tsur和S.阿维丹快速匹配：快速仿射模板我是一个青少年。 在中国。 IEEEConf. Comp. 我是一个很好的朋友。 Recog. ，第2331- 2338页，2013。6. J. -梅西耶湖Trottier，P. Giguere和B. Chaib-draa.深度对象排序模板匹配 。在 IEEE Winter Conference on Applications of ComputerVisin（WACV），第734- 742页，2017年。7. A. Moudgil和V.甘地长期视觉目标跟踪基准测试。arXiv预印本arXiv：1712.01358，2017。8. M. Muja和D. G.洛适用于高维数据的可伸缩最近邻算法。 IEEE Trans. 帕特Anal. 马赫内特尔，36，2014。9. S. Oron，T.Dekel，T.薛，W.T. Freeman和S.阿维丹最好的朋友相似性-使用相互最近邻的鲁棒模板匹配。IEEE Trans. Patt. Anal. 马赫内特尔，2017年。10. W. 欧阳F.Tombari，S.马托恰湖迪斯蒂法诺和W.-K. 查姆每-全搜索等价模式匹配算法的性能评价IEEETrans. PATT。 Anal. Mach。Intell. ，34（1）：127- 143，2012.11. A. 佩纳特-桑切斯湖Porzi和F.莫雷诺诺格尔匹配性预测全搜索模板匹配算法。 在3D可视化国际会议（3D可视化），第353 - 361页，第2015页。12. K. Simonyan和A.齐瑟曼。 用于大规模计算图像识别arXiv预印本arXiv：1409.1556，2014。13. I.塔尔米河Mechrez和L.泽尔尼克庄园可变形多样性相似性模板匹配。 在procIEEE会议Comp. 视觉模式记录，2017年。14. Y. Tian和S.G. 纳拉希姆汉非刚性图像的全局最优估计这是一个很好的例子。 InternationalJornalofC〇mputerVision，98（3）：279-302，2012.15. Y. Wei和L.涛.基于直方图的高效滑动窗口。正在进行IEEE会议Comp. 我是一个很好的朋友。 Recog. ，第3003 - 3010页，2010年。16. Y. Wu、J. Lim和M.- H.杨在线对象跟踪：基准。在procIEEEConf. Comp. 我是一个很好的朋友。 Recog. ，第2411- 2418页，第2013页17. S. Zagoruyko和N.小木通过卷积神经网络学习比较图像块。 在proc IEEE会议Comp. 视觉模式记录，第4353 - 4361页，2015。18. J. Zbontar和Y.乐存。通过训练卷积神经网络进行立体匹配网络来比较图像块。J. Machine Learning Research，17（1-32）：2，2016.19. C. Zhang和T.阿卡什. 伽罗瓦域上的快速仿射模板匹配在不列颠MachineVisionConference（BMVC），第121- 1页，2015年