文件名称：superpoint-pytorch:Superpoint https的Pytorch实现
文件大小：43.62MB
文件格式：ZIP
更新时间：2024-04-04 22:21:02
JupyterNotebook
超点火炬 该文件是对Superpoint模型的pytorch实现和评估，如。 我们在RémiPautrat的tensorflow实现中找到了很大的帮助： : 。 在兴趣点检测中，我们的模型似乎未完全收敛： 但是，同形加法与我们的模型相结合的结果看起来还是不错的： 与其他点检测模型进行比较： 与原始模型相比，总体结果未达到跟踪能力。 对于原始模型，匹配点是： 与我们的实施： 尽管总体结果不能令人满意，但是我们希望可以将不同的块（数据生成，单应性调整等）用于将来的工作。 该文件中包含实施的所有阶段： 1）生成综合数据集- 创建一个包含100000个人造合成形状图像的数据集，以及包含图像名称和标签的数据集文件。这部分在tesla v-100上大约需要12个小时 2）Magicpoint_training_with_synthetic_dataset- 如本文中所述训练魔
【文件预览】：
superpoint-pytorch-main
----models()
--------utils.py(4KB)
--------__pycache__()
--------superpoint.py(4KB)
----generate_synthetic_dataset.ipynb(12KB)
----Superpoint_training_with_COCO_dataset.ipynb(13KB)
----magicpoint_training_with_COCO_dataset.ipynb(12KB)
----homographoc_addaptation.ipynb(1.33MB)
----magicpoint_training_with_synthetic_dataset.ipynb(1.96MB)
----test_trained_model.ipynb(3.29MB)
----create_vid_labels.ipynb(1.75MB)
----weights()
--------super_coco_weights.pth(4.97MB)
--------super_coco_weights_video3.pth(4.97MB)
--------magic_synthetic_weights.pth(4.97MB)
--------super_coco_weights_video.pth(4.97MB)
--------magic_coco_weights.pth(4.97MB)
--------super_coco_weights_video_1000.pth(4.97MB)
----README.md(3KB)
----utils()
--------__pycache__()
--------points.py(3KB)
--------plot.py(2KB)
----video evaluation.ipynb(3.07MB)
----Superpoint_training_with_video_dataset.ipynb(3.3MB)
----pretrained_weights()
--------superpoint_v1.pth(4.96MB)