计算机视觉作业-2018Spring 内容 混合图像。 拐角检测。 标度空间斑点检测。 ：场景分类器 视觉词袋模型和最近邻分类器（kNN）。 视觉单词袋模型和判别式分类器（SVM）。 在ImageNet上使用ResNet50预训练的权重进行转移学习。 在ImageNet上使用VGG16预训练的权重进行转移学习。 在ImageNet上使用GoogleNet预训练的权重进行转移学习。 消失点检测。 单视图计量。 使用参考对象的高度查找图像中对象的高度。 图像拼接。 贡献者 和（

sift算法详解，与同名博客http://blog.csdn.net/zddmail/article/details/7521424内容相同，pdf版。

行业分类-物理装置-基于判别式尺度空间跟踪算法的相关滤波自适应方法.zip

图像处理源码-多尺度空间注意力的语义分割

.pdf论文，供大家学习参考，尤其是学习图像处理的同学。

使用自适应阈值和支持动态区域的曲率尺度空间角点检测

基于多尺度空间划分与路网建模的城市移动轨迹模式挖掘

基于曲率尺度空间的轮廓角点检测C++编程实现， 同时包含matlab源码与论文。实现基于QT 5.12.4 (MSVC2017 64bit 编译套件) ， 已编译运行，效果与MATLAB实现基本一致。

Part I Metric Searching in a Nutshell Overview 3 1. FOUNDATIONS OF METRIC SPACE SEARCHING 5 1 The Distance Searching Problem 6 2 The Metric Space 8 3 Distance Measures 9 3.1 Minkowski Distances 10 3.2 Quadratic Form Distance 11 3.3 Edit Distance 12 3.4 Tree Edit Distance 13 3.5 Jaccard’s Coefficient 13 3.6 Hausdorff Distance 14 3.7 Time Complexity 14 4 Similarity Queries 15 4.1 Range Query 15 4.2 Nearest Neighbor Query 16 4.3 Reverse Nearest Neighbor Query 17 4.4 Similarity Join 17 4.5 Combinations of Queries 18 4.6 Complex Similarity Queries 18 5 Basic Partitioning Principles 20 5.1 Ball Partitioning 20 5.2 Generalized Hyperplane Partitioning 21 5.3 Excluded Middle Partitioning 21 5.4 Extensions 21 6 Principles of Similarity Query Execution 22 6.1 Basic Strategies 22 6.2 Incremental Similarity Search 25 7 Policies for Avoiding Distance Computations 26 7.1 Explanatory Example 27 7.2 Object-Pivot Distance Constraint 28 7.3 Range-Pivot Distance Constraint 30 7.4 Pivot-Pivot Distance Constraint 31 7.5 Double-Pivot Distance Constraint 33 7.6 Pivot Filtering 34 8 Metric Space Transformations 35 8.1 Metric Hierarchies 36 8.1.1 Lower-Bounding Functions 36 8.2 User-Defined Metric Functions 38 8.2.1 Searching Using Lower-Bounding Functions 38 8.3 Embedding Metric Space 39 8.3.1 Embedding Examples 39 8.3.2 Reducing Dimensionality 40 9 Approximate Similarity Search 41 9.1 Principles 41 9.2 Generic Algorithms 44 9.3 Measures of Performance 46 9.3.1 Improvement in Efficiency 46 9.3.2 Precision and Recall 46 9.3.3 Relative Error on Distances 48 9.3.4 Position Error 49 10 Advanced Issues 50 10.1 Statistics on Metric Datasets 51 10.1.1 Distribution and Density Functions 51 10.1.2 Distance Distribution and Density 52 10.1.3 Homogeneity of Viewpoints 54 10.2 Proximity of Ball Regions 55 10.3 Performance Prediction 58 Contents ix 10.4 Tree Quality Measures 60 10.5 Choosing Reference Points 63 2. SURVEY OF EXISTING APPROACHES 67 1 Ball Partitioning Methods 67 1.1 Burkhard-Keller Tree 6

利用曲率尺度空间(CSS)算法检测角点，matlab实现，含GUI界面