BRIEF 特征描述子
Binary Robust Independent Elementary Features www.cnblogs.com/ronny 1. BRIEF的基本原理 我们已经知道SIFT特征采用了128维的特征描述子，由于描述子用的浮点数，所以它将会占用512 bytes的空间。类似 ...
原文：BRIEF特征简介
引言 该文是由EPFL的Calonder在ECCV 上提出了一种可以快速计算且表达方式为二进制编码的描述子。主要思路就是在特征点附近随机选取若干点对，将这些点对的灰度值的大小，组合成一个二进制串，并将这个二进制串作为该特征点的特征描述子。 算法描述 首先，该文特征点提取算法与SIFT一致，也可以仿照SURF算法。在此，主方向的计算在此省略 更为详见,参考资料 ，因该描述子针对的是两幅小角度偏转 以 ...
2014-11-05 17:30 0 2268 推荐指数：
相关推荐
BRIEF特征点描述子
简介 BRIEF是2010年的一篇名为《BRIEF:Binary Robust Independent Elementary Features》的文章中提出，BRIEF是对已检测到的特征点进行描述，它是一种二进制编码的描述子，摈弃了利用区域灰度直方图描述特征点的传统方法 ...
第十六节、特征描述符BRIEF(附源码)
我们已经知道SIFT算法采用128维的特征描述子，由于描述子用的是浮点数，所以它将会占用512字节的空间。类似的SUFR算法，一般采用64维的描述子，它将占用256字节的空间。如果一幅图像中有1000个特征点，那么SIFT或SURF特征描述子将占用大量的内存空间，对于那些资源紧张的应用，尤其是 ...
[Active Learning] 01 A Brief Introduction to Active Learning 主动学习简介
目录 什么是主动学习？ 主动学习 vs. 被动学习 为什么需要主动学习？ 主动学习与监督学习、弱监督学习、半监督学习、无监督学习之间的关系 ...
特征融合简介
特征融合的目的，是把从图像中提取的特征，合并成一个比输入特征更具有判别能力的特征。如何正确融合特征是一个难题。 在很多工作中，融合不同尺度的特征是提高分割性能的一个重要手段。低层特征分辨率更高，包含更多位置、细节信息，但是由于经过的卷积更少，其语义性更低，噪声更多。高层特征具有更强的语义信息 ...
BRIEF算法
本文结构 为了看懂ORB特征提取算法，来看了BRIEF算法的原文，并查看了OpenCV中BRIEF的相关实现，来验证论文的解读正确与否。 BRIEF论文解读 摘要 用二进制串描述局部特征，好处有二：一是很少的bit就能描述独特的性质；二是可以用汉明距离计算两个二进制串之间的特征，计算速度 ...
ALINK(二十二)：特征工程（一）特征离散化简介（一）
来源：https://blog.csdn.net/weixin_39552874/article/details/112325629 1 特征离散化方法和实现 特征离散化指的是将连续特征划分离散的过程：将原始定量特征的一个区间一一映射到单一的值。 在下文中，我们也将离散化过程表述为 分箱 ...
brief 程序注释
/** * @brief Acceleration (g's) in body frame. * Embedded MPL defines gravity as positive acceleration pointing away from * the Earth. * @param[out ...