基於ORB算法與神經網絡的圖像特徵點提取方法

今天王博文來我們宿舍,把老子的東西給掃蕩完了,算了,都是垃圾,愛佔小便宜不好噢。
剛剛天貓直播,一個主播講粵語,說自己會多國語言,哎,文化呀。
IQOO出了個遊戲手柄,我買了個打王者榮耀,哈哈哈,終於可以六指操作了!

ORB算法最大的特點就是計算速度快。這首先得益於使用FAST檢測特徵點,FAST的檢測速度正如它的名字一樣是出了名的快。再次是使用BRIEF算法計算描述子,該描述子特有的2進制串的表現形式不僅節約了存儲空間,而且大大縮短了匹配的時間。

1.1 Pytorch簡介
Pytorch是Torch在Python上的衍生. 因爲Torch是一個使用Lua語言的神經網絡庫,採用動態計算圖(dynamic computational graph)結構,使用Pytorch,通過一種我們稱之爲Reverse-mode auto-differentiation(反向模式自動微分)的技術,可任意改變網絡結構,同時Pytorch提供了支持CPU和GPU的Tensor。

1.2 卷積神經網絡結構
網絡中包含卷積層,參數爲輸入通道、輸出通道、卷積核大小和滑動步長(x和y兩個方向);卷積之後進行歸一化(conv_bn)和池化操作(pool),歸一化在深度神經網絡訓練過程中使得每一層神經網絡的輸入保持相同分佈,防止梯度消失或爆炸,池化層採用Maxpooling,可以降低輸出的維度,保留主要的特徵同時減少參數(效果類似PCA)和計算量,防止過擬合,提高模型泛化能力。在經過4層卷積之後進行全連接網絡鏈接,由於網絡的主要參數在全連接層,爲使網絡加速收斂,增加隨機失活層dropout層。

博文搞我心態,我佛了,幹他娘,影響老子學習

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章