sift

    1熱度

    1回答

    我3種類型的對象即簡單對象識別研究工作: 1.預訂 2.杯 3.球 我具有50個訓練圖像的每個樣品和測試每個樣品20個圖像。我所有的分類和分類都表現得非常好,而且沒有問題。 但我的問題是項目的最後一部分,我應該在測試圖像中圍繞檢測到的對象繪製一個矩形框。 Uptil現在我檢查了我的分類,並且與貝葉斯分類一起工作良好。我的問題是,我有50個測試圖像,我如何從50個樣本中選擇最佳匹配,以便能夠繪製邊界

    0熱度

    1回答

    我希望有人能解釋我,如果我在正確的方式。我試圖瞭解一些關於圖像檢索和SVM的內容,但這只是有點令人困惑。我會通過發佈源代碼來問我的問題。 首先我有一個貓的數據集。對於每個「貓」圖片,我使用篩選算法(vlfeat)獲取描述符。我將所有描述符(從每張圖片)一起放入一個列表中,並通過使用k-means(我選擇k=3)嘗試並繪製結果來找出所有描述符的聚類。 問題1:是否有「終端方式」來查看我是否選擇了一個

    0熱度

    1回答

    我想在Mac上使用C++使用的OpenCV的SIFT特徵檢測器,我不斷收到以下錯誤的成員: siftTest.cpp: In function ‘int main(int, char**)’: siftTest.cpp:7: error: ‘SIFT’ is not a member of ‘cv’ siftTest.cpp:7: error: expected `;' before ‘det

    0熱度

    1回答

    我目前正在編寫一個項目,該項目將允許機器人根據天花板的照片找到它的位置。攝像機安裝在機器人上並直接面向天花板(意味着照片的中心始終被認爲是機器人的位置)。這個想法是使用第一張照片建立x,y軸的0,0位置和方向,然後找到該照片和下一張照片之間的距離和旋轉(將在稍微不同的位置拍攝)並建立新的0, x的位置和方向,y軸等。 #include <opencv/cv.h> #include <opencv

    0熱度

    1回答

    我正在使用opencv 2.3實現篩選。 Sift implementation with OpenCV 2.2 #include <opencv2/core/core.hpp> #include <opencv2/features2d/features2d.hpp> #include <opencv2/highgui/highgui.hpp> #include <vector> us

    0熱度

    2回答

    我想計算一個數據集的一般PCA矩陣,我將用它來減少篩選描述符的維數。我已經找到了一些算法來計算它,但是我找不到用MATLAB來計算它的方法。 有人可以幫助我嗎?

    1熱度

    2回答

    我正在使用VLIFTAT實現SIFT來計算兩組圖像上的SIFT描述符:查詢和數據庫圖像。給定一組查詢,我想從描述符的大數據庫中獲取最接近的描述符,爲此我使用vl_ubcmatch。 將vl_ubcmatch語法設置爲MATCHES = vl_ubcmatch(DESCR1, DESCR2)如果我先輸入查詢描述符,並將數據庫描述符作爲第二個參數或其他方式輸入,我會得到不同的結果。 哪個是正確的語法?

    0熱度

    2回答

    首先感謝您的時間。我想消除在圖像框架周圍檢測到的關鍵點(博物館畫廊的作品)。換句話說,我想將實際的藝術作品從其框架中分離出來。每件藝術品由不同類型的框架組成。 [1] 我已經寫了一個Python包裝大衛Lowe的SIFT implementation檢測的關鍵點以及計算描述 ![使用篩選檢測的關鍵點。 但是我的問題是解決這個問題的最好方法是什麼?任何以下或其他東西? 使用霍夫變換(使用Python

    0熱度

    2回答

    我有13萬SIFT描述。我正在使用Opencv的flann模塊構建分層Kmeans索引。這個我想這些量化描述130000後(會更晚一些量化)。我正在使用flann的knnsearch方法來做到這一點。但這種方法的結果是奇怪的。對於每個描述符,它顯示的最近索引是描述符本身的索引。然而,應當顯示這將是海康樹的葉子的一個最近的簇的簇ID。 我應該嘗試K = 2 下面的代碼片段 - (!它不給集羣-ID)

    4熱度

    1回答

    我正在研究一個項目,我將使用單應作爲分類器中的特徵。我的問題是自動計算單應性,我使用SIFT描述符來找出兩幅圖像之間的點來計算單應性,但SIFT給我的結果很差,因此我不能在我的工作中使用它們。 我正在使用OpenCV 2.4.3。 起初我使用SURF,但我有類似的結果,我決定使用更慢但更精確的SIFT。我的第一個猜測是,我的數據集的圖像分辨率太低,但我運行我的算法在一個最先進的數據集(指向04),