HomographyNet 使用深度学习进行图像的透视变换

最新推荐文章于 2024-04-09 10:47:29 发布
最新推荐文章于 2024-04-09 10:47:29 发布
阅读量2.4k 收藏 14
点赞数 3
分类专栏： 深度学习CV方向 文章标签： 计算机视觉 深度学习 python 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Andrwin/article/details/105517806
版权
本文介绍了如何利用HomographyNet进行图像的透视变换，该方法通过深度学习学习两幅图片之间的单应性矩阵。尽管CSDN上的相关资料较少，但作者分享了自己的GitHub仓库，提供了一个简单的环境要求和运行Demo的示例，尽管数据集创建和实际应用仍存在挑战，但该方法的思路具有研究价值。
摘要由CSDN通过智能技术生成

CSDN上对于这个框架的博客实在是太少了，没有作业可以抄就只能自己做作业了～

众所周知要做透视变换就要有两组点，一组是原始图像待变换的，另外一组是变换后的，每组4个点以上

简单说就是我有点A（x,y）我想把它投影到另一个平面上A' (x,y)

那么怎么确定这第二个坐标呢

就是用SIFT/SURF去求解图像的关键点特征向量也就是描述子 详情见上一篇博客

当你获得了两个图像间的坐标对应关系 你就可以用opencv把它图像拉平

但是如果你没有标准图怎么办呢？ 我们需要机器有一些创造力 需要它自己知道变换到什么程度才是我们想要的

HomographyNet就是这样一个思路 输入一对图片 学习两幅图片之间的单应性矩阵也就是对应关系

通过把单应性矩阵作为输出标签变成一个回归问题

这里不再讲解HomographyNet的原理了 百度能搜到的基本全是原理

说说HomographyNet怎么使用吧（转载注明出处 https://blog.csdn.net/Andrwin）

这是我自己的github:          https://github.com/4nthon/HomographyNet

这是代码原作者的github:       

最低0.47元/天 解锁文章
訢詡
关注
专栏目录
机器学习笔记 - 基于深度学习(HomographyNet)的图像单应性估计
学以致用 知行合一
07-22 2432
论文提出了一个深度卷积神经网络来估计一对图像之间的相对单应性。我们的前馈网络有10层，以两个堆叠的灰度图像作为输入，并产生一个8自由度的单应性，可用于映射从第一个图像到第二个图像的像素。我们为HomographyNet提出了两种卷积神经网络架构一个直接估计实值单应性参数的回归网络，以及一个在量化单应性上产生分布的分类网络。我们使用4点单应性参数化，将一个图像的四个角映射到第二个图像。我们的网络使用扭曲的MS-COCO图像以端到端的方式进行训练。论文的贡献如下。........................
HalconDotNet中图像的几何变换详解
最新发布
仰望星空的博客
09-10 1028
在HalconDotNet中，图像的几何变换是图像处理中的重要部分，用于调整图像的形状、大小和方向。
HomographyNet 调研
爱CV
06-28 841
先复现调研： 1Homograph Warping Pytorch实现 2Deep Homography Estimation - Pytorch实现 3论文阅读笔记|Deep Image Homography Estimation
深度学习CV方向学习笔记1 —— 透视变换
qq_33909645的博客
10-13 3037
个人学习神经网络相关知识的学习记录，本帖是关于透视变换的知识。 学习资料来源于各博主的帖子、知乎、b站等，在个人理解的基础上加以总结，可能存在理解有误之处，欢迎指正！
图像配准之HomographyNet
alex1801
02-14 1480
单应性原理被广泛应用于图像配准，全景拼接，机器人定位SLAM，AR增强现实等领域，下图为单应矩阵在图像拼接中的应用示例。
深度学习数据增强方法，透视变换原理以及实例代码详解
热门推荐
zhuguiqin1的专栏
02-16 1万+
导读 在上篇文章中，我们介绍了仿射变换，我们只需要通过一个两行三列的变换矩阵M就能够对图像实现平移、缩放、翻转、旋转操作。我们发现这些变换其实都属于平面变换，如果我们想要进行空间变换呢？ 将上图的扑克牌单独提取出来，如下图所示 这时候我们应该如何来实现这个功能呢？这个其实就涉及到了图像的一个空间变换，就需要用到我们所说的透视变换了。 透视变换 透视变换(Perspective Transformation)是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一
OpenGL透视变换详解
12-08
Void gluPerspective(GLdouble fovy,GLdouble aspect, GLdouble near, GLdouble far) 函数作用： 创建一个表示对称投影视图矩阵，并把它与当前矩阵相乘。Fovy是yz平面上视野的角度，它的值必须为[0.0,180.0]。aspect是宽高比。near far 是视点与近裁剪面和远裁剪面的距离，这个必须为正的。
机器学习笔记 - 基于传统方法/深度学习的图像配准
学以致用 知行合一
07-10 4692
图像配准是将 一个场景的不同图像变换到同一坐标系的过程。这些图像可以在不同的时间（多时间配准）、由不同的传感器（多模态配准）和/或从不同的视点拍摄。这些图像之间的空间关系可以是 刚性的 （平移和旋转）、 仿射 （ 例如 剪切）、单应性或复杂的大变形模型。 图像配准具有广泛的应用：当任务需要比较同一场景的多个图像时，它是必不可少的。 它在医学图像领域以及卫星图像分析和光流领域非常常见。 更多关于图像配准的描述，请参考下面的链接。计算机视觉 什么是图像配准？...
【图像拼接/深度单应】论文精读：Deep Image Homography Estimation（HomographyNet）
畅游计算机视觉的海洋
04-09 3522
我们提出了一个深度卷积神经网络来估计一对图像之间的相对单应性。我们的前馈网络有 10 层，将两个堆叠的灰度图像作为输入，并产生 8 个自由度单应性，可用于将第一个图像中的像素映射到第二个图像。我们为 HomographyNet 提出了两种卷积神经网络架构：一个直接估计实值单应性参数的回归网络，以及一个在量化单应性上产生分布的分类网络。我们使用 4 点单应性参数化，它将一张图像的四个角映射到第二张图像。我们的网络使用扭曲的 MS-COCO 图像以端到端的方式进行训练。我们的方法无需单独的局部特征检测和变换估计
图像配准与深度学习方法
07-31 5809
目录： 图像配准：从SIFT到深度学习 什么是图像配准 传统的基于特征的方法 关键点检测和特征描述 特征匹配 图像变换 深度学习方法 特征提取 Homography学习 监督学习 无监督学习 其他方法 强化学习 复杂的转换 图像配准（Image Registration）是计算机视觉中的基本步骤。在本文中，我们首先介绍基于OpenCV的方...
【透视图像目标检测（7）】3D Bounding Box Estimation Using Deep Learning and Geometry
Hali_Botebie的博客
09-25 1495
参考 https://arxiv.org/pdf/1612.00496.pdf https://cs.gmu.edu/~amousavi/papers/3D-Deepbox-Supplementary.pdf 正文 我们提出了一种从单个图像进行 3D 对象检测和姿态估计的方法。 与目前仅回归对象 3D 方向的技术相比，我们的方法首先使用深度卷积神经网络回归相对稳定的 3D 对象属性，然后将这些估计与 2D 对象边界框提供的几何约束相结合，以生成完整的 3D 边界框。 我们第一个网络输出估计 3D 对象方向（
MVDet:ECCV 2020论文“具有特征透视变换的多视图检测”的代码和MultiviewX数据集
05-10
具有特征透视变换的多视图检测[] [ ] @inproceedings{hou2020multiview, title={Multiview Detection with Feature Perspective Transformation}, author={Hou, Yunzhong and Zheng, Liang and Gould, Stephen}, booktitle={ECCV}, year={2020} } 概述 我们发布了MVDet的PyTorch代码， MVDet是一种最新的多视图行人检测器； 和MultiviewX数据集，这是一种新颖的合成多视图行人检测数据集。 狂野轨道 多视图X 内容 MultiviewX数据集 使用来自行人模型，在Unity中，我们构建了一个新颖的合成数据集MultiviewX 。 MultiviewX数据集覆盖16米乘
图像拼接领域的经典文章以及常用的算法函数（一）（SIFT，APAP，AANAP，Seam-sutting，HomographyNet等等）
Hhsh672772的博客
03-22 3751
1、特征点的匹配 首先进行SIFT的特征点的匹配： SIFT特征点的提取与匹配是图像拼接的第一步，如何提取到有效的，鲁棒性强的特征点是接下来的工作的重要前提，搞清楚什么是尺度空间极值检测、关键点定位、方向确定、关键点描述。(注：可以使用matlab中的vl-feat中的sift函数进行特征点的提取) (45条消息) SIFT算法详解_zddhub的博客-CSDN博客_sift 对于特征点的提取匹配问题一直是比较棘手的问题，对于视差变化较大的图像来说，如何消除来自视差的影响至关重要。 ...
用深度学习计算单应性矩阵
OpenCV中文网
01-26 2028
https://github.com/alexhagiopol/deep_homography_estimation Compute homographies with deep networks instead of feature matching and RANSAC. We present a deep convolutional neural network for estima
阅读笔记（arXiv2016）Deep Image Homography Estimation
小秋在路上~
03-21 2148
深度图像单应性估计 摘要 我们提出了一个深度卷积神经网络来估计一对图像之间的单应性矩阵。我们的前馈网络有10层，将两个堆叠的灰度图像作为输入，并生成8个自由度单应矩阵，可用于将像素从第一个图像映射到第二个图像。我们为HomographyNet提出了两种卷积神经网络架构：一种直接估计实值单应性参数的回归网络，以及产生量化单应性分布的分类网络。我们使用4点单应性参数化将四个角点从一个图像映射...
【深度学习】【数据增强】【目标检测】带或不带标注框的图片离线增强的实现（贴背景、随机旋转、随机色调变换、随机透视变换）（附源码）
专注于计算机视觉、目标检测、目标跟踪等方向
05-08 3627
数据增强（Data Augmentation），基于有限的数据生成更多等价（同样有效）的数据，丰富训练数据的分布，使通过训练集得到的模型泛化能力更强。数据增强可以分为两类，离线增强和在线增强。主要有仿射变换、透视变换、色调变换等等。
Homography数据集制作
等一杯咖啡的博客
04-17 708
# coding=utf-8 import cv2 from PIL import Image from pylab import * import numpy as np import os RAW_IMAGE_PATH = "/home/wgp/视频/DJI_0071/" SAVE_FILE_PATH = "/home/wgp/视频/ha/" GT_FILE_NAME = "gt.txt"...
车道偏离之透视变换
自动驾驶与智能制造--深度学习
12-29 1498
Homography 估计单应性矩阵代码实现
Sophia_hust的博客
03-23 765
import cv2 import numpy as np # 读取图片 img1 = cv2.imread('01.jpg') img2 = cv2.imread('02.jpg') # 计算SURF特征点和对应的描述子 surf = cv2.xfeatures2d.SURF_create() kp1, des1 = surf.detectAndCompute(img1, None) #kp存储特征点坐标，des存储对应描述子 kp2, des2 = surf.detectAndCompute(img
Deep Image Homography Estimation
CVAIDL的博客
04-28 657
转载：https://blog.csdn.net/ajing2014/article/details/53998866 展开 本篇博文主要讲解2016年发表在Computer Visionand Pattern Recognition上的一篇文章Deep Image Homography Estimation文章地址，该文章主要讲述了使用ConvNet来实现对Homography的估...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值