针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题，提出了一种自适应的基于区域增长的立体像对稠密匹配算法。该算法利用灰度共生矩阵，在区域增长过程中的匹配窗内计算其纹理数量，然后根据纹理数量的多少自适应调节匹配窗的大小。当匹配窗内纹理数量足够多时，该匹配窗就能够表征该匹配窗中心点的特征，因此可以减少误匹配发生的几率。实验结果证明,该算法具有良好的性能。
2022-03-15 09:43:01
397KB
1
纸 ：
您会在一些关键功能中找到一些有用的注释，这可能有助于从本文中找到详细的说明。
ENV：
操作系统：Win10
的Python 3.6.3
CUDA 8.0
pytorch Windows-py3.6-cuda8
PIL 4.3.0
numpy的1.13.3
如何使用 ：
Gen Image数据集：首先下载CelebA，然后在train.py文件中运行“ gen_classified_images”功能。
if __name__ == "__main__":
gen_classified_images(r"E:\workspace\datasets\CelebA\Img\img_align_celeba", centre_crop=True, save_to_local=True)
此功能只是调整原始图像的大小，如果您想测试CelebA-HQ数据集，请遵循说
2022-03-06 21:38:14
11KB
1
人工智能时代的经济增长、产业格局与大国较量：智能经济（2020）（40页）.pdf
2022-02-23 13:02:22
2.44MB
2022年宏观展望：“靠前”的稳增长如何统一于高质量发展（23页）.pdf
2022-02-23 13:02:16
1.53MB
2022年中国出口形势展望：高份额拐点未至，但高增长景气将过（23页）.pdf
2022-02-23 13:02:10
2.01MB