快速使用
python brisk_demo.py
介绍
作为一个没有经验的opencv用户，在python中进行功能检测/描述需要花费一些时间。 然后我意识到SIFT / SURF /在OpenCV中具有一定规模不变性的所有内容都受专利的困扰。 有了BRISK / FREAK，现在有可行的（或更好的）替代方案。
我希望这个例子可以帮助其他想要使用Python进行功能检测的人。
版权
版权所有（c）2013 John Nieri和MIT许可下的贡献者。 有关详细信息，请参见此存储库或发行版中的“许可证”。
2022-03-16 11:52:22
14.91MB
1
更新新闻！！！
iLearnPlus - iFeature和iLearn的更新版本现已发布！ （2021-02-28）
iLearnPlus是第一个同时具有基于图形和基于Web的用户界面的机器学习平台，该平台可以构建自动机器学习管道，以使用核酸和蛋白质序列进行计算分析和预测。 iLearnPlus集成了21种机器学习算法（包括12种常规分类算法，2种整体学习框架和7种深度学习方法）和19种主要序列编码方案（总共147个特征描述符），数量超过了所有当前的Web服务器和独立服务器据我们所知，用于生物序列分析的工具。 此外，生物学家还可以使用iLearnPlus友好的GUI（图形用户界面）来顺利进行分析，与现有管道相比，显着提高了有效性和用户体验。 iLearnPlus是一个用于学术目的的开源平台，可从。 可从在线访问iLearnPlus-Basic模块。
iLearnPlus-基本模块界面：
2022-03-12 23:08:01
2.13MB
1
3x3 本地二进制描述符的简单演示代码： - 局部二进制模式 (LBP)、局部定向模式 (LDP) 和局部最优定向模式 (LOOP) （将在大多数版本的 MATLAB 中运行） - 使用代码时，请引用： T. Chakraborti，B。McCane，S。Mills和U. Pal，“循环描述符：编码鳞翅目细目视觉识别的重复局部模式”，arXiv：1710.09317。
- 相关论文见： https ://arxiv.org/abs/1710.09317 （提交给 IEEE Signal Processing Letters，正在审核中）
-Copyright 2017, Tapabrata Chakraborti，保留所有权利。
2022-03-09 19:51:36
6KB
1
人脸图像特征提取matlab代码LESH（基于局部能量的形状直方图）特征提取
用法：
lesh_vect
=
calc_LESH（im）;
输入：
im
=图片或本地补丁
输出：
lesh_vect
=
LESH特征向量（图像/补丁的16个分区为128维，而64个分区为512维。（请参阅FeatureParam.m）
适用于任何大小（最好是正方形）的图像或补丁。
对于大小大于64x64的图像，建议的分区大小w为8（512像素矢量）。
在大小为32x32的补丁中，分区大小应更改为4（以产生128个暗淡矢量）
有许多参数可以针对不同的应用进行调整。
可以对FeatureParam.m文件进行修改以更改例如GABOR过滤器的比例数和方向。
可以更改部分大小以产生更长的向量，反之亦然，更多的粗糙部分或更多的精细部分可能会影响特征向量的区分质量。
推荐的设置为8x8（64）分区大小（512维矢量），并为GABOR滤波器组设置5个比例和8个方向。
请注意：
此更新的优化版本不包括本文所述的高斯加权。
通过当前的优化，我们发现它对一般形状的描述效果更好。
致谢：该代码使用了Peter
kovesi
2022-03-03 16:21:05
26KB
1
增加系统调用，遍历系统当前所有进程的任务描述符，并将pid组织成树状结构显示，压缩包中包含源码和文档
2022-02-18 16:07:19
76KB
1
我们提出了一种新的数据驱动算法，用可重用的时空流数据仓库合成高分辨率的流模拟。在我们的工作中，我们采用描述符学习方法来编码分辨率和数值粘度不同的uid区域之间的相似性。我们使用卷积神经网络从流体数据（如烟密度和流速）生成描述符。同时，我们提出了一种变形限制面片平流方法，它允许我们稳健地跟踪可变形的uid区域。在这个补丁平流的帮助下，我们从存储库的详细UID生成稳定的时空数据集。
然后，在运行新的模拟时，我们可以使用学习到的描述符快速定位合适的数据集。这使得我们的方法非常有效，并且与分辨率无关。我们将通过几个例子来证明，我们的方法产生的体积具有非常高的有效分辨率，以及非耗散的小尺度细节，这些细节自然地融入了底层水流的运动中。
2022-01-30 11:02:22
2.73MB
LBP直方图MATLAB代码卫生组织
基于二阶梯度直方图的新型局部图像描述符
该存储库包含“”论文的代码（在Matlab中）。
引文
@ARTICLE{6891351,
author={D.
Huang
and
C.
Zhu
and
Y.
Wang
and
L.
Chen},
journal={IEEE
Transactions
on
Image
Processing},
title={HSOG:
A
Novel
Local
Image
Descriptor
Based
on
Histograms
of
the
Second-Order
Gradients},
year={2014},
volume={23},
number={11},
pages={4680-4695},
keywords={feature
extraction;gradient
methods;image
classification;image
enhancement;image
matching;novel
local
image
descriptor;HSOG;retinal
image;geometric
2022-01-28 20:20:16
8KB
1
扫描上下文
笔记
Scan Context 可以轻松与任何 LiDAR 里程计算法或任何 LiDAR 传感器集成。 例子是：
与 A-LOAM 集成：
与 LeGO-LOAM 集成：
与 LIO-SAM 集成：
与 FAST-LIO2 集成：
与基本 ICP集成： 这个实现是完全基于 python 的，所以速度很慢但具有教育意义。
扫描上下文也适用于雷达。 与雪人雷达集成用于雷达 SLAM： ps 雷达位置识别评估请参见fast_evaluator_radar目录（雷达扫描上下文在论文中介绍）。
新闻（2020 年 4 月）：C++ 实现
C++ 实现发布！
查看目录cpp/module/Scancontext
特征
轻量级：名为“Scancontext.h”和“Scancontext.cpp”的单个标题和cpp文件
我们的模块有 KDtree 并且我们使用 。 nan
2021-12-01 17:37:49
34.45MB
1
node_work
基于颜色描述符的图片相似性工作（NodeJs + Express + Ejs + Matlab）
2021-11-23 23:20:30
10.89MB
1