RIFT-multimodal-image-matching-main.zip

基于模板匹配的文字识别 CVI2012 + IMAQ vision6.0 https://blog.csdn.net/weixin_43470383/article/details/117478961 https://blog.csdn.net/weixin_43470383/article/details/117486707 https://blog.csdn.net/weixin_43470383/article/details/117518445

PythonSIFT 这是在 NumPy 的帮助下完全在 Python 中完成的 SIFT（David G. Lowe 的尺度不变特征变换）的实现。 此实现基于OpenCV实现，并返回OpenCV KeyPoint对象和描述符，因此可以用作OpenCV SIFT的直接替代。 该存储库旨在帮助计算机视觉爱好者了解 SIFT 背后的细节。 2020/2/11 更新 PythonSIFT 已在 Python 3 中重新实现（并大大改进！）。您可以在legacy分支中找到原始 Python 2 版本。 但是，我强烈建议您使用master （新的 Python 3 实现）。 好多了。 依赖关系 Python 3 NumPy OpenCV-Python 最后使用Python 3.8.5 、 Numpy 1.19.4和OpenCV-Python 4.3.0成功测试。 用法 import cv2

介绍字符串匹配算法的书，包括经典的B-M, KMP算法，并包含C代码的实现

直接跑xgb的代码可以出csv提交。 比赛网址： : 比赛数据： : 比赛类型：多分类问题 阿榜排名 方案1：LightGBM模型0.81245（2018-09-13 23:13） 方案2：XGBoost模型0.8254排名30th / 1153（2018-09-14 14:23:04） XGBoost的关键参数 max_depth = 12，learning_rate = 0.05，n_estimators = 752，silent == True，objective =“ multi：softmax”，nthread = 4，gamma = 0，max_delta_step = 0，subsample = 1，colsample_bytree = 0.9，colsample_bylevel = 0.9，reg_alpha = 1，reg_lambda = 1，scale_po

Chamfer Matching在CT和MRI图像图像匹配融合中的应用

鲁汶地图匹配 将跟踪的GPS测量结果与地图或路段对齐。 匹配基于具有非发光状态的隐马尔可夫模型（HMM）。 该模型可以处理丢失的数据，您可以插入自定义过渡和发射概率分布。 主要参考： Meert Wannes，Mathias Verbeke，“具有非发射态的HMM用于地图匹配”，欧洲数据分析会议（ECDA），德国帕德博恩，2018年。 其他参考： Devos Laurens，Vandebril Raf（主管），Meert Wannes（主管），“通过矩阵函数和地图匹配揭示的交通方式”，硕士论文，工程科学学院，鲁汶大学，2018年 安装及使用 $ pip install leuvenmapmatching 更多信息和示例： 依存关系 必需的： 可选（仅在调用方法依赖于这些程序包时加载）： ：用于可视化 ：可视化 ：用于纬度-经度计算 ：导入GPX文件 ：使用卡尔曼滤波

多路径匹配追踪深度优先（MMP-DF），包含深度优先程序代码，方便理解该算法的原子搜索方式

功能检测和匹配文档 可以在查看文档。

PyTorch-HITNet分层迭代瓷砖精加工网络，用于实时立体声匹配 使用PyTorch的HITNet实施 这是一个包含实现Google论文HITNet的代码的存储库：用于实时立体匹配的分层迭代切片优化网络 该项目是初始版本，可以训练和测试模型，但可能包含一些错误，需要进一步修改和调试。 如果您发现有关我的代码的任何问题，请打开问题或尽快与我联系（ ）。 当前，该项目无法复制原始论文中报告的准确性和速度。 在速度方面，官方实现使用其优化的cuda op来加速参考和培训。（请参考其，该尚未包含模型代码）。 感谢弗拉基米尔·坦科维奇（Vladimir Tankovich）的帮助，他与他的团队一起提出了这个强大的立体声网络，并为我提供了许多原始论文的细节和说明。 另外，我还要感谢@ xy-guo，他提出了出色的 ，因为代码是从他的存储库中部分借用的。 要求 Pytorch = 1.1