【文件属性】：
文件名称：GLAMpoints_pytorch:Pytorch的GLAMpoints正式实施
文件大小：2.03MB
文件格式：ZIP
更新时间：2021-05-03 15:22:09
Python
GLAMpoints：贪婪地学习到的准确匹配点
这是我们的论文 （ ， ）的正式pytorch实施。 请注意，参考实现以及本文中给出的相应结果位于TensorFlow（ ）中，因此使用此版本获得的结果可能会略有不同。
设定值
使用Python 3.7并使用以下命令安装要求：
pip install -r requirements.txt
提醒培训步骤
方法的目的：可以通过不可区分的注册方法来训练特定于域的关键点检测器。 此代码使用根SIFT，单应性模型和RANSAC优化来举例说明所提出的方法。
==预处理==
加载原始数据
将样本裁剪并填充到256x256
==型号==
使用批处理规范化模型f创建4级深度Unet
==数据选择==
在每次迭代中：
选择原始图片
计算随机几何变换g和g'（变换的最大程度可由用户根据其测试集选择）
用g和g'转换原始图像以分别创建I和I'
【文件预览】：
GLAMpoints_pytorch-master
----utils()
--------metrics_detector.py(4KB)
--------metrics_descriptor.py(25KB)
--------metrics.py(16KB)
--------plot.py(2KB)
----models()
--------Unet_model.py(4KB)
--------glampoints.py(7KB)
--------unet_parts.py(3KB)
----compute_glam_kp.py(5KB)
----utils_training()
--------utils_CNN.py(14KB)
--------metrics_comparison.py(10KB)
--------optimize.py(11KB)
--------loss.py(8KB)
----compute_GLAMpoint_matches_and_registration.py(9KB)
----images()
--------summary_GLAMpoints.png(267KB)
----training_glam_detector.py(6KB)
----requirements.txt(396B)
----weights()
--------Unet4_retina_images_converted_tf_weights.pth(1.88MB)
----config_training.yaml(2KB)
----dataset()
--------synthetic_dataset.py(6KB)
--------data_augmentation.py(20KB)
--------homo_generation.py(9KB)
----LICENSE(553B)
----README.md(9KB)