文件名称：matlab如何导出代码-vlb-deteval:局部特征探测器的综合探测器评估
文件大小：1.52MB
文件格式：ZIP
更新时间：2024-06-12 10:33:26
系统开源
matlab如何编写代码VLB检测 用于在单应性数据集上对本地图像特征检测器进行大规模评估的源代码（BMVC 2018）。 该项目基于VLB库，并使用MATLAB编写。 二进制版本可以免费运行。 有关如何评估新检测器的教程，请参阅以下内容。 更新07/06/19用EdgeFoci数据集的不正确的单应性计算了计分。 现在，此问题已修复（ vlb-deteval-scores-*-v2.tar.gz ）。 我们非常感谢您通知我们并提供了解决方案。 安装 如果您具有MATLAB 2017a（未测试旧版本），则可以直接使用源代码。 否则，您可以将二进制分布与一起使用。 设置 要设置MATLAB环境并编译VLB mex文件，只需运行： >> de 这也显示可用命令的列表。 供应数据文件 要下载包含每个检测器最终结果（800kiB）的压缩归档文件，请运行： >> de provision scores-compact 要下载所有结果数据（2.3GiB），例如查看每个图像的结果，请运行： >> de provision scores-all 此外，您可以下载指定新实验时所需的所有检测到的关键点（57
【文件预览】：
vlb-deteval-master
----de_path.m(737B)
----.gitignore(21B)
----version(5B)
----de_compute.m(1KB)
----functionSignatures.json(2KB)
----images()
--------matches.png(531KB)
--------plot_bmvc_results_vggh.png(93KB)
--------detections.png(495KB)
--------matchpair.png(199KB)
--------frame-types.png(42KB)
----data()
--------.gitignore(14B)
----de_results.m(166B)
----matlab2tikz()
----de_deploy.m(1KB)
----de_imagelist.m(1KB)
----de_setup.m(391B)
----imagelists()
--------vggh.csv(3KB)
--------edgefoci.csv(9KB)
--------hannoverh.csv(3KB)
--------hpatches-sequences.csv(76KB)
--------webcam.csv(31KB)
----de_rank_table.m(3KB)
----.gitmodules(170B)
----COPYING(1KB)
----loadscores.py(1KB)
----getbin.sh(170B)
----README.md(4KB)
----expdefs()
--------dets()
--------bmvc_results.json(2KB)
--------test.json(659B)
----+utls()
--------bar_plot.m(1KB)
--------prctile.m(2KB)
--------scmat.m(195B)
--------barwitherr.m(6KB)
--------listdirs.m(226B)
--------barwitherr_license.txt(1KB)
--------listfiles.m(892B)
--------trmat.m(233B)
--------p2e.m(200B)
--------seconds2time.m(333B)
--------frame2polygon.m(290B)
--------Barplot.m(7KB)
--------e2p.m(151B)
--------rgb_license.txt(1KB)
--------rotmat.m(174B)
--------pgftikz_view.m(1KB)
--------digest.m(479B)
--------rgb.m(9KB)
--------pgftikztemplate.tex(742B)
----vlb()
----MCR.md(1KB)
----de.m(5KB)
----de_plot_detres.m(5KB)
----packages.json(522B)
----datasets.mat(156KB)
----detect()
--------requirements.txt(32B)
--------detect_matlab.m(2KB)
--------README.md(4KB)
--------detect_python.py(3KB)
----de_res_preprocess.m(1KB)
----de_get_datasets.m(338B)