To compare image patches is a core task in many computer vision areas. A number of hand-crafted features have been used to find the most similar position to a given pattern from a target image. However, these approaches still suffer from many limitations in tough environments. In this paper, we propose a data-driven approach with convolutional neural networks(CNNs) for robust matching. We design new CNN architectures to measure similarity of two images and carry out template matching through the trained network. Consequently, we demonstrate that our template matching method achieves the state-of-the-art performance even in real-world environments. Moreover, we show our study to determine the suitable CNN architecture through network visualization.
두개의 이미지 패치를 비교하는 것은 컴퓨터 비젼 여러 분야에서 사용되는 핵심 작업중에 하나이다. 직접 손으로 만들어진 여러 피쳐들을 이용하여 주어진 이미지에서 템플릿과 가장 비슷한 부분을 찾는 시도가 계속되어 왔다. 하지만 이런 접근 방법들은 아직 까지도 여러 혹독한 환경에서 많은 한계점을 드러내고 있다. 이 논문에서 우리는 강건한 매칭 알고리을 위해 컨볼루션 신경 회로망을 이용한 데이터 중심 접근방법을 제안한다. 우리는 두 이미지의 유사도를 측정할 수 있는 새로운 컨볼루션 신경 회로망 구조들를 디자인 하고, 학습된 그 신경 회로망을 통해 템플릿 매칭을 수행한다. 그 결과 현실 세계 환경에서도 최신식의 성능을 보여주었다. 게다가 우리는 회로망 시각화를 통해 적합한 컨볼루션 신경 회로망 구조를 결정하는 연구에 대해 소개한다.
