GPU-ASIFT: A Fast Fully Affine-Invariant Feature Extraction Algorithm
ASIFT_GPUd的论文PDF
演讲PPT
我们的GPU-ASIFT 实现 如下[2]。它旨在将CPU和GPU之间的流量保持在 最低水平。因此, 我们的GPU-ASIFT直接将图像输入到GPU,GPU会计算SIFT 关键点 和 描述符, 而无需返回到CPU。该算法有两个主要组成部分。
(1)仿射模拟
我们使用三个独立的CUDA 内核执行仿射仿真 :旋转,一维高斯卷积和方向子采样。结果存储 在GPU内存中,并直接传递到Changchang Wu的SiftGPU,而没有任何GPU至CPU的 传输 开销。
(2)筛查
代替David Lowe的sift实现,我们将模拟结果传递到CUDA版本的Changchang Wu的SiftGPU,后者输出 关键点和描述符。
GPU-ASIFT的性能取决于所使用的GPU。通常,更好的图形卡具有更快的计算和更多的筛选功能。 当前程序针对具有2.1和5.2计算能力的Nvidia卡进行了调整。该程序可在其他卡上顺利运行,但可能无法 发挥其全部功能。我们不支持计算能力低于1.3的卡。请注意,对于较大的图像集,如果图像尺寸变化不大会有所帮助 。如果这样做,则最好为每个图像对重新启动GPU-ASIFT 。
我们的GPU-ASIFT的输出是名为.sift和.aux的二进制文件。.sift文件与VisualSFM完全兼容,可以直接加载。.aux文件存储 对我们自己的匹配器有用的辅助信息。在启动时,程序将查询您的图形设备并选择最佳的图形设备来执行计算。当前,仅支持Nvidia卡。
cmpmvs-v0.6.0-binary-win64-cuda.zip
cmpmvs-v0.6.0-binary-win64-cuda.zip
https://www.dropbox.com/s/80savnaou9ck7v4/cmpmvs-v0.6.0-binary-win64-cuda.zip?dl=0
https://www.youtube.com/watch?v=ZRTEMKS3Sw0
DevIL图像处理库-siftGPU需要的库-x64位Release版本
DevIL图像处理库-siftGPU需要的库-x64位Release版本
glut-3.7.6-动态库X64版本-内含Debug和Release
glut-3.7.6-动态库X64版本-内含Debug和Release
glew-2.1.0-64位版本的静态库含Debug和Release
glew-2.1.0-64位版本的静态库含Debug和Release
glew-2.1.0-64位版本的动态库含Debug和Release
glew-2.1.0-64位版本的动态库含Debug和Release
论文:关于三维重建和匹配
论文:Modeling the World from Internet Photo Collections
关于F和H矩阵在随机抽样一致RANSAC下的参数的选择
Mat mask;
double minVal, maxVal;
cv::minMaxIdx(queryCoord, &minVal;, &maxVal;);
Mat F = findFundamentalMat(queryCoord, objectCoord, FM_RANSAC, 0.006 * maxVal, 0.99, mask);
//threshold from [Snavely07 4.1]
// N. Snavely, S. Seitz, R. Szeliski, “Modeling the World from Internet Photo Collections, ”Int’l J.of Computer Vision, Vol. 80, No. 2, pp.189–210, 2008.
LeNet-5 研习 2 附件
关于博客
https://blog.csdn.net/baidu_40840693/article/details/82956247
的visio示图附件