【问题标题】:Training set selection of ORB (Oriented fast and Rotated Brief) feature descriptorORB(Oriented fast and Rotated Brief)特征描述符的训练集选择
【发布时间】:2013-10-24 10:36:15
【问题描述】:

我正在实现 ORB 描述符。我浏览了这篇论文,但我发现很难理解如何选择他们的学习方法中使用的训练集来选择一个好的二元测试子集。

如果我有一张关键点很少的图像,我应该将手头的所有关键点补丁用作训练集还是只使用我想要描述的关键点的补丁?

【问题讨论】:

    标签: computer-vision feature-detection


    【解决方案1】:

    在仔细阅读论文后,我发现在算法开始之前有两个初步步骤:

    1. 从一张或多张图像中定义训练关键点集。
    2. 在大小为 31x31 的窗口中枚举所有可能的测试(大小为 5x5 的测试位置对)(也就是说,它们对于所有训练补丁都相同)。

    如果只有一个关键点,则该算法没有多大意义,因为在关键点上运行所有枚举测试会为每个测试提供 1 长度的二进制字符串,并按其平均值对它们进行排序并不能在贪婪搜索之前实现所需的判别排序选择相关性较低的测试。

    【讨论】:

      猜你喜欢
      • 2013-01-01
      • 2017-10-19
      • 1970-01-01
      • 2011-11-30
      • 1970-01-01
      • 2015-08-10
      • 2015-10-30
      • 2017-10-05
      • 2019-10-22
      相关资源
      最近更新 更多