文件名称：欧氏距离matlab代码-MCNCC:多通道归一化互相关
文件大小：36KB
文件格式：ZIP
更新时间：2024-06-16 04:33:30
系统开源
欧氏距离matlab代码多通道归一化互相关 这是来自BMVC 2017和arXiv提交的MATLAB实现。 入门 克隆此仓库： git clone --recurse-submodules https://github.com/bkong/MCNCC 请按照上的说明安装MatConvNet。 路线搜索匹配 下载数据集（例如，fid300） bash scripts/download_dataset.sh fid300 启动MATLAB matlab 通过运行适当的特征提取功能来提取ResNet-50 res2bx特征 >> gen_resnetfeats_fid300(2) 计算MCNCC分数 >> alignment_search_eval_fid300(1:300, 2) 1:300指定要针对FID-300的参考图像评估哪些裁剪的犯罪现场图像。 因为这是一个缓慢的过程，所以您只能评估犯罪现场图像的一部分。 或者，您可以通过在不同的计算机/ GPU上指定不同的子集来手动分配工作负载以加速任务。 生成将MCNCC与基准进行比较的CMC图 >> baseline_comparison_c
【文件预览】：
MCNCC-master
----startup.m(234B)
----gen_feats_maps.m(2KB)
----no_search_eval_facades.m(1KB)
----results()
--------.gitignore(71B)
--------latent_ims_mean_pix.mat(204B)
----alignment_search_eval_fid300.m(6KB)
----datasets()
--------.gitignore(71B)
--------FID-300()
----generate_db_CNNfeats.m(917B)
----.gitmodules(92B)
----utils()
--------NCC3D_features.m(568B)
--------save_results.m(71B)
--------get_db_attrs.m(1KB)
--------warp_masks.m(615B)
--------NCC_features.m(773B)
--------hashMat.cc(1KB)
--------feat_2_image.m(762B)
--------weighted_masked_NCC_features.m(1KB)
--------crop_im_from_mask.m(265B)
--------compute_db_scores.m(1KB)
----gen_feats_fid300.m(3KB)
----gen_query_cache_israeli.m(5KB)
----gen_feats_israeli.m(2KB)
----scripts()
--------download_dataset.sh(2KB)
----README.md(2KB)
----baseline_comparison_cmc_facades.m(1KB)
----alignment_search_eval_israeli.m(6KB)
----preprocess_israeli.m(24KB)
----baseline_comparison_cmc_fid300.m(2KB)
----matconvnet()
----no_search_eval_maps.m(1KB)
----generate_db_CNNfeats_gpu.m(991B)
----gen_feats_facades.m(4KB)
----alignment_search_eval_cache_israeli.m(4KB)
----baseline_comparison_cmc_maps.m(2KB)