文件名称：PCA-GM:ICCV 2019口头论文代码
文件大小：201KB
文件格式：ZIP
更新时间：2024-06-10 20:55:53
Python
通用汽车公司 该存储库包含我们ICCV 2019论文的PyTorch实施（用于口头演示）： 它包含以下深图匹配方法的实现： GMN Andrei Zanfir和Cristian Sminchisescu，“图匹配的深度学习”。 CVPR 2018。 PCA-GM Wang Runzhong Wang，Yunchi Yan和Xiaoxiaokang，“学习用于深度图匹配的组合嵌入网络”。 ICCV 2019。 该存储库还包括有关Pascal VOC关键点和Willow对象类数据集的培训/评估协议，与我们ICCV 2019论文中的实验部分保持一致。 问题设定 在与我们的ICCV 2019论文一致的此代码库中，考虑了图像中的关键点匹配问题。 给定两个图像，这些图像带有标记的关键点位置，我们的模型需要预测两个图像中关键点之间的对应关系，这可以通过深度图匹配来解决。 特别是，进行以下设置：
【文件预览】：
PCA-GM-master
----.gitignore(1KB)
----data()
--------PascalVOC()
--------base_dataset.py(129B)
--------pascal_voc.py(11KB)
--------willow_obj.py(5KB)
--------data_loader.py(6KB)
----train_eval.py(9KB)
----eval.py(5KB)
----experiments()
--------vgg16_pca_voc.yaml(924B)
--------vgg16_pca_willow.yaml(1KB)
--------vgg16_gmn_willow.yaml(1KB)
--------vgg16_gmn_voc.yaml(941B)
----PCA()
--------gconv.py(1KB)
--------affinity_layer.py(907B)
--------model.py(4KB)
----sparse_torch()
--------__init__.py(117B)
--------csx_matrix.py(16KB)
----utils()
--------sparse.py(16KB)
--------feature_align.py(4KB)
--------parse_args.py(2KB)
--------offset_loss.py(2KB)
--------evaluation_metric.py(3KB)
--------timer.py(471B)
--------dup_stdout_manager.py(1KB)
--------build_graphs.py(4KB)
--------fgm.py(4KB)
--------hungarian.py(869B)
--------config.py(6KB)
--------backbone.py(2KB)
--------sinkhorn.py(3KB)
--------permutation_loss.py(926B)
--------model_sl.py(373B)
--------voting_layer.py(1KB)
--------print_easydict.py(1KB)
----README.md(7KB)
----parallel()
--------data_parallel.py(505B)
--------__init__.py(57B)
--------scatter_gather.py(3KB)
----GMN()
--------power_iteration.py(2KB)
--------affinity_layer.py(2KB)
--------displacement_layer.py(1KB)
--------model.py(3KB)
----extension()
--------bilinear_diag()
--------sparse_dot()