注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. SIFT的Python 代码

  2. 具体使用，请参看博文10，里面有详细的使用介绍。

  3. 所属分类：Python

    • 发布日期：2015-09-17
    • 文件大小：4kb
    • 提供者：lilai619

  1. OpenCV小项目与OpenCV一些非常有用的代码

  2. OpenCV小项目 这是一个个人在使用OpenCV过程中写的一些小项目，以及一些非常有用的OpenCV代码，有些代码是对某论文中的部分实现。 注意:代码是在Xcode里写的，如果要在win下测试，遇到问题自己修改。 opencv-rootsift-py 用python和OpenCV写的一个rootsift实现，其中RootSIFT部分的代码参照Implementing RootSIFT in Python and OpenCV这篇文章所写，通过这个你可以了解Three things every

  3. 所属分类：C++

    • 发布日期：2016-10-11
    • 文件大小：3mb
    • 提供者：q6115759

  1. python_sift.py

  2. python 实现 sift，这一部分为sift.py部分，剩余部分为test5_shift.py和harris.py

  3. 所属分类：深度学习

    • 发布日期：2018-01-03
    • 文件大小：4kb
    • 提供者：xymdsg

  1. python_test5_sift.py

  2. python_test5_sift.py，属于使用python实现sift的测试部分代码

  3. 所属分类：深度学习

    • 发布日期：2018-01-03
    • 文件大小：741byte
    • 提供者：xymdsg

  1. python_harris.py

  2. python_harris.py，将sift方法和harris方法进行比较。

  3. 所属分类：深度学习

    • 发布日期：2018-01-03
    • 文件大小：5kb
    • 提供者：xymdsg

  1. 基于分布式数据库的图像检索系统

  2. DIRS: Distributed Image Retrieval System === 本项目实现了基于分布式数据库的图像检索系统。其中，TF-IDF作为相似度依据，MapReduce+HBase作为分布式框架。 集群配置 --- 4个节点：1个Master，3个Slave，均运行64位Centos系统 运行环境 --- Hadoop：2.7.3 Hbase：1.2.3 python 2.7.3 java 1.8.0 系统架构 --- 1. **分布式存储** 使用了HBase表存储图片信息

  3. 所属分类：图像处理

    • 发布日期：2018-06-25
    • 文件大小：462.01kb
    • 提供者：oceandreami

  1. siftmatching.py

  2. 本资源利用opencv-contribute库中sift算法模块来对遥感图像匹配配准的应用。输入为两张待匹配影像，输出图像是按顺序匹配距离测度前100的带匹配点。只需要修改路径即可运行成功。

  3. 所属分类：Python

    • 发布日期：2019-07-11
    • 文件大小：1kb
    • 提供者：weian4913

  1. opencv的全部基础操作，很实用，我从github上下载的，例子都调试过。anaconda3，python3.7，opencv4调试通过。

  2. code_001 | [图片读取与显示](python/code_001/opencv_001.py) | ✔️ code_002 | [图片灰度化](python/code_002/opencv_002.py) | ✔️ code_003 | [图像创建与赋值](python/code_003/opencv_003.py) | ✔️ code_004 | [图像像素读写](python/code_004/opencv_004.py) | ✔️ code_005 | [图像像素算术操作(加减乘

  3. 所属分类：图像处理

    • 发布日期：2019-08-23
    • 文件大小：36mb
    • 提供者：neu1835

  1. SIFT全景图像拼接.py

  2. 实现多张图像的全景拼接，适用于多张图像之间存在旋转角度的情景。

  3. 所属分类：VR

    • 发布日期：2019-09-22
    • 文件大小：5kb
    • 提供者：simonyucsdy

  1. SIFT的Python 代码

  2. sift.py、test5_sift.py、harris.py harris角点检测就是顺带放在里面用于做对比

  3. 所属分类：机器学习

    • 发布日期：2020-03-22
    • 文件大小：4kb
    • 提供者：qq_27245699

  1. 角点检测，边缘检测，轮廓检测，ORB，SIFT，SURF，图像拼接

  2. 图像处理python代码附带测试图片：角点检测corner_detection.py，边缘检测margin.py，轮廓检测contour_detection.py，ORB.py，SIFT.py，SURF.py，图像拼接stitching.py

  3. 所属分类：Python

    • 发布日期：2020-11-26
    • 文件大小：59mb
    • 提供者：weixin_45637302

  1. Ubuntu pycharm xfeatures2d报错

  2. 问题描述： Traceback (most recent call last): File /home/lee/PycharmProjects/surf/surf.py, line 17, in sift = cv2.xfeatures2d.SIFT_create() AttributeError: module 'cv2.cv2' has no attribute 'xfeatures2d' python版本： 由于版权问题需要退回python3.4，打开Pycharm的终端

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：393kb
    • 提供者：weixin_38662367

  1. Football-Player-Tracking:足球运动员追踪系统-源码

  2. 足球球员追踪 产品 拼接视频 视频已预先计算。 它位于“ vid / panorama.mov”下。 如果要测试视频拼接，您可以简单地重命名文件，系统将重新计算所有内容。 需要花时间。 **系统假设视频已经创建并且位于该位置，要测试此视频，请从以下位置下载视频文件：下载football_left.mp4，football_mid.mp4，football_right.mp4： ： 并放置在vid文件夹下。 然后从“ src /”文件夹中运行“ python videostitch.py​​”。

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：672kb
    • 提供者：weixin_42138376

  1. 图像拼接：使用cv2的图像拼接器-源码

  2. 图像拼接 使用cv2的图像拼接器。 我正在研究一个基于数学的版本，在此版本中更容易看到每个步骤的工作方式。 所需的库： 脾气暴躁的 OpenCV 图像拼接如何工作？ 步骤1：载入图片。 步骤2：检测每个图像中的关键点。 可以使用诸如Harris或Hessian兴趣点检测器之类的方法检测这些关键点。 步骤3：计算描述符。 最常见的方法是尺度不变特征变换（SIFT）。 步骤4：找到连续图像之间的最相似点。 一旦完成了这四个步骤，接下来的步骤就会包含在名为RANSAC的过程中。 步骤5：

  3. 所属分类：其它

  1. SIFT视频分类-源码

  2. 使用SIFT进行视频分类 该程序使用SIFT算法对视频进行分类。 先决条件 如果要完整运行程序，则需要16GB的ram（不仅仅是演示）。 需要Python3。 所需的Python软件包可以与 pip3 install -r requirements.txt 仅当您要完全运行程序时才需要OpenCV和ffmpeg（而不仅仅是演示）。 怎么跑 重现论文的结果。 python3 demo.py 重新生成所有文件并重新运行整个程序 python3 init.py -r violentflows -

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：166mb
    • 提供者：weixin_42144604

  1. PornDetector：带有python，tensorflow，scikit-learn和opencv的*图像检测器-源码

  2. *侦探 两个python*图片（裸露）检测器。 第一个（pcr.py）使用scikit-learn和opencv。 使用1500个正样本和1500个负样本，我能够在标记上获得〜85％的准确性。 它使用两个机器学习的分类器-其中一个使用HSV颜色直方图，另一个使用SIFT描述符。 第二个（nnpcr.py）使用张量流神经网络。 在相同的标记下，我能够获得〜90％的准确性。 它使用4个卷积（3x3滤波器）和max_pool（2x2）层，一个1024个完全连接的层以及最后一个softmax分类

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：17mb
    • 提供者：weixin_42097189