基于ORB算法与神经网络的图像特征点提取方法

今天王博文来我们宿舍,把老子的东西给扫荡完了,算了,都是垃圾,爱占小便宜不好噢。
刚刚天猫直播,一个主播讲粤语,说自己会多国语言,哎,文化呀。
IQOO出了个游戏手柄,我买了个打王者荣耀,哈哈哈,终于可以六指操作了!

ORB算法最大的特点就是计算速度快。这首先得益于使用FAST检测特征点,FAST的检测速度正如它的名字一样是出了名的快。再次是使用BRIEF算法计算描述子,该描述子特有的2进制串的表现形式不仅节约了存储空间,而且大大缩短了匹配的时间。

1.1 Pytorch简介
Pytorch是Torch在Python上的衍生. 因为Torch是一个使用Lua语言的神经网络库,采用动态计算图(dynamic computational graph)结构,使用Pytorch,通过一种我们称之为Reverse-mode auto-differentiation(反向模式自动微分)的技术,可任意改变网络结构,同时Pytorch提供了支持CPU和GPU的Tensor。

1.2 卷积神经网络结构
网络中包含卷积层,参数为输入通道、输出通道、卷积核大小和滑动步长(x和y两个方向);卷积之后进行归一化(conv_bn)和池化操作(pool),归一化在深度神经网络训练过程中使得每一层神经网络的输入保持相同分布,防止梯度消失或爆炸,池化层采用Maxpooling,可以降低输出的维度,保留主要的特征同时减少参数(效果类似PCA)和计算量,防止过拟合,提高模型泛化能力。在经过4层卷积之后进行全连接网络链接,由于网络的主要参数在全连接层,为使网络加速收敛,增加随机失活层dropout层。

博文搞我心态,我佛了,干他娘,影响老子学习

猜你喜欢

转载自blog.csdn.net/weixin_44659309/article/details/106983881
今日推荐