单应性估计论文与代码汇总

金渐层猫

已于 2022-04-16 11:34:28 修改

阅读量3.1k

点赞数 5

分类专栏： Homography Estimation 文章标签：深度学习单应性估计

于 2022-02-18 20:42:24 首次发布

本文链接：https://blog.csdn.net/weixin_43917574/article/details/122729164

版权

Homography Estimation 专栏收录该内容

6 篇文章 8 订阅

订阅专栏

单应性估计论文与代码汇总

前言
- Supervised
- Unsupervised

前言

Deep Homography Estimation
深度单应性估计论文与代码汇总

Supervised

[2016] Deep Image Homography Estimation
pytorch实现：Deep-homography-estimation-pytorch

[2018ACCV] Rethinking Planar Homography Estimation Using Perspective Fields
tensorflow源码：PFNet
pytorch实现：PFNet-pytorch

[2020CVPR] Deep Homography Estimation for Dynamic Scenes [Dataset]

Unsupervised

[2018RAL] Unsupervised Deep Homography: A Fast and Robust Homography Estimation Model
tensorflow源码：UDHN
pytorch实现：unsupervisedDeepHomography-pytorch

[2020ECCV] Content-Aware Unsupervised Deep Homography Estimation
源码：CA-UDHN

[2021ICCV] Motion Basis Learning for Unsupervised Deep Homography Estimation with Subspace Projection
源码：baseshomo

[2021CVPRW] Perceptual Loss for Robust Unsupervised Homography Estimation
源码：biHomE

[2021TCSVT] Depth-Aware Multi-Grid Deep Homography Estimation with Contextual Correlation
源码：Multi-Grid-Deep-Homography

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

金渐层猫

关注关注

5
点赞
踩
31

收藏

觉得还不错? 一键收藏
0
评论
单应性估计论文与代码汇总

深度单应性估计论文与代码汇总
复制链接

扫一扫

专栏目录

【图像拼接/深度单应估计】论文精读：Deep Homography Estimation for Dynamic Scenes

畅游计算机视觉的海洋

12-26

2万+

单应性估计是许多计算机视觉问题的重要一步。最近，与传统方法相比，深度神经网络方法已被证明有利于这个问题。然而，这些新方法没有考虑输入图像中的动态内容。他们仅使用可以使用单应性完美对齐的图像对来训练神经网络。本文研究了并讨论了如何设计和训练处理动态场景的深度神经网络。我们首先收集了一个动态内容的大型视频数据集1。然后，我们开发了一个多尺度神经网络，并表明当使用我们的新数据集正确训练时，这个神经网络已经可以在一定程度上处理动态场景。为了更有原则的方式估计动态场景的单应性，我们需要识别动态内容。由于动态内容检测和

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

2345

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。........................

参与评论您还未登录，请先登录后发表或查看评论

单应性矩阵的估计

04-20

两个不同视角的图像上的点对的homogeneous coordinate可以用一个射影变换（projective transformation）表述

Deep Image Homography Estimation（基于深度学习的图像单应性估计）

最新发布

有才的博客

10-16

1237

我们的前馈网络有10层，以两张堆叠的灰度图像作为输入，并产生8个自由度的同形图，可用于将像素从第一张图像映射到第二张图像。我们为HomographyNet提出了两种卷积神经网络结构:一种是直接估计实值同质参数的回归网络，另一种是产生量子化同质分布的分类网络。我们使用一个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。我们的网络以端到端方式使用扭曲的MS-COCO图像进行训练。我们的方法不需要单独的局部特征检测和转换估计阶段。

基于匹配点集对单应性矩阵进行估计

机器学习杂货铺1号店

05-04

1789

基于匹配点集对单应性矩阵进行估计 2020/4/28 FesianXu 前言在立体视觉中，对单应性矩阵进行估计是一个很重要的任务，我们在之前的博文[1,2,3]中的讨论中都或多或少地涉及到了单应性矩阵，我们知道它是在投影变换中保持共线性的一种性质。在本文中，我们将讨论如何通过匹配点的关系，对单应性矩阵进行估计。如有谬误，请联系指出，转载请联系作者并注明出处，谢谢。注：本...

单应估计homograph estimation、相机位姿估计pose estimation 学习笔记

leoLu6的博客

08-24

1107

单应估计homograph estimation、相机位姿估计pose estimation 学习笔记单应性矩阵定义版本一定义版本二定义版本三单应阵求法相机位姿在学习图像匹配的过程中涉及到了两个相关的任务，即单应估计和相机位姿估计，在学习这两块的时候觉得网上的理论挺混乱的，首先就是公式不统一，光单应阵的定义都有好几种，而且两者都涉及到了相机成像的原理，所以很多公式都类似，但是有的地方有所不同，网上也没有说明两者之间区别和联系的内容，在这里记录一下网上的几种说法以及自己的一些想法，帮自己和大家理一下思路

实证Stata代码命令汇总（可完整创作一篇实证论文）.zip

06-25

本压缩包文件“实证Stata代码命令汇总（可完整创作一篇实证论文）”显然是为了帮助用户了解如何使用Stata进行完整的实证分析，从而撰写出一篇高质量的学术论文。下面，我们将详细讨论其中可能包含的知识点。首先，...

2020CVPR目标跟踪论文列表及摘要.docx

12-20

本篇文档汇总了33篇关于目标跟踪的论文，这些论文展示了深度学习如何被应用于解决多目标跟踪（Multi-Object Tracking, MOT）的问题。第一篇论文《How to Train Your Deep Multi-Object Tracker》关注的是深度多...

VB书店图书管理系统论文范文

03-23

- **代码工作量**：估计了系统开发过程中需要编写的代码量。 - **文档要求**：明确了系统文档的编写标准和格式要求。 #### 四、开发环境与项目规划 - **开发环境**：包括Visual Basic 6.0开发工具、Access数据库等...

通过Python进行时间序列的分析与预测.pdf

08-29

此外，Pandas提供了丰富的函数，如resample()用于重采样数据（按月、季度或年汇总数据），shift()用于移动数据点，以及rolling()和expanding()用于计算滑动窗口统计量。 NumPy和SciPy则提供了大量的数学和统计函数...

Homography-Estimation:使用RANSAC算法的单应性估计项目

03-30

单应估计迪安·斯特拉塔科斯（Dean Stratakos） 2020年11月4日一种RANSAC算法，用于估计连续图像帧之间的单应性。 · 目录关于该项目功能性该项目目前具有两个主要功能。第一个功能是估计两个输入图像帧之间的单应性。这是通过在每个图像中找到关键点，在图像之间找到关键点匹配并运行RANSAC来确定匹配中的孤立点和孤立点来实现的。第二个功能是扩展第一个功能，以在整个帧序列或输入视频上运行。这将输出一个新的视频，突出显示跨帧的孤立点和离群值以及与每对连续帧相关的单应性。算法细节同形异义词在计算机视觉中，单应性是描述空间中同一平面的任意两个图像（或照片）之间关系的变换。在数学上（在射影几何学中），单应性是射影空间的同构，并且历史上一直用于解释和研究从不同角度观察到的两个平面的外观差异。可以将同形异义字表示为3 x 3矩阵，该矩阵可以与原始图像中的任何

计算机视觉教程1-2：单应性矩阵估计

FRIGIDWINTER的博客

07-23

3568

透视空间所有变换都是投影变换的特例，本节进一步研究投影变换矩阵(单应性矩阵)的估计

阅读笔记（arXiv2016）Deep Image Homography Estimation

小秋在路上~

03-21

2048

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...

用深度学习计算单应性矩阵

OpenCV中文网

01-26

1987

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

单应性Homograph估计：从传统算法到深度学习

Bruce_0712的博客

03-22

380

https://zhuanlan.zhihu.com/p/74597564

单应性变换 Homography Estimation

yuleaf_csdn的博客

07-25

1871

应用背景：已知同一个平面标定板在两个不同角度下的图像，根据图像上对应点的二维（u, v）坐标求解其变换矩阵。单应性变换是两个平面之间的几何变换，利用至少4对以上的同名点计算变换矩阵。原理介绍 1个点能提供两个等式，有8个未知量，因为式子上下可以同时除以一个变量。 ...

Deep Homography Estimation - Pytorch实现

weixin_43917574的博客

03-24

2001

Deep Image Homography Estimation - Pytorch实现

Deep Image Homography Estimation

CVAIDL的博客

04-28

621

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...

ICCV 2019 开源计算机视觉论文与代码汇总

“ICCV 2019 开源代码链接论文汇总.docx” 是一份关于2019年国际计算机视觉大会(ICCV 2019)的论文及其开源代码的集合。该会议在2019年10月27日至11月2日在韩国首尔的COEX会议中心举行，共收到了4303篇投稿，较上一...