自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

baidu_40840693的博客

  • 博客(6)
  • 资源 (8)
  • 收藏
  • 关注
全部文章> 2019年09月
排序：
按最后发布时间
按访问量
RSS订阅
12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创 pytorch混淆函数记录

torch.cat 和 torch.stack的区别 a = torch.Tensor([[[[1, 2, 3],[1, 2, 3],[1, 2, 3]], [[4, 5, 6],[4, 5, 6],[4, 5, 6]]], [[[7, 8, 9],[7, 8, 9],[7, 8, 9]],...

2019-09-15 00:29:24 477

原创 帧间热力图

https://blog.csdn.net/qq_36165459/article/details/78320781https://blog.csdn.net/weixin_41595062/article/details/83446680https://blog.csdn.net/rainforestgreen/article/details/85159308...

2019-09-10 17:16:14 403

原创 服务器一些操作-百度

import osos.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"os.environ["CUDA_VISIBLE_DEVICES"] = "0,1,2"screentmuxpython -mpip install xxx 已经安装anaconda的情况下，如何在服务器上通过特定pip安装软件vim移动操作初级https://...

2019-09-10 15:47:42 188

转载 【Python爬虫】几个GitHub上比较不错的爬虫学习资源

爬虫学习目标：url = "https://kobiso.github.io/Computer-Vision-Leaderboard/imagenet/"https://kobiso.github.io/

2019-09-08 22:01:05 229

原创 秋招考试输入格式-

import copy as cpclass Solution_(object): def __init__(self): pass def is_huiwenchuan(self,head): temp = cp.copy(head) temp.reverse() print(temp==head) m_input = list(map(int, inp...

2019-09-06 20:10:40 116

原创 ValseWebinar-视觉与学习青年学者研讨会

http://valser.org/portal.php?mod=list&catid=6http://valser.org/http://www.iqiyi.com/u/2289191062/videos

2019-09-04 22:50:37 797

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。

2019-12-25

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

2018-11-26

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

2018-11-13

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

2018-11-13

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

2018-11-13

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

2018-11-13

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.

2018-10-19

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

2018-10-07

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除