大泽泽的小可爱-CSDN博客

原创 fairmot代码解析（自己在看代码做笔记用）

模型的定义如下其中create_model和 load_mode都定义在src/lib/models/model.py中其中 output = self.model(im_blob)[-1]是调用网络输出detection和Re-id结果：具体包括中心点heatmap图分支、中心点offset分支、目标大小分支。hm：heatmap图分支包含C个通道，每一个通道包含一个类别，同一个类别的目标在一个heatmap图上，官方代码是只检测人，所以c=1。reg：判断是前景还是后景。

2024-03-27 10:51:24 566

原创图像拼接IEEE trans——Multi-Viewpoint Panorama Construction With Wide-Baseline Images Images

文章源自IEEE TRANSACTIONS ON IMAGE PROCESSING在这篇论文中，我们提出了一种用于广角基线图像的拼接方法。我们的主要贡献是采用基于网格的框架，结合各种项来优化图像对齐。引入了一种新颖的尺度保持项，使得对齐几乎平行于图像平面，同时仍允许进行局部透视校正。一种新的接缝切割模型减少了由于难以处理传统接缝切割算法[8]，[9]中的误对齐而引起的视觉伪影。图1展示了一个具有挑战性的城市场景示例，其中包含了14张在不同位置拍摄的图像。我们生成的全景图具有视觉吸引力。

2023-08-05 00:36:32 168

原创图像拼接文献阅读ECCV2016——SEAGULL: Seam-Guided Local Alignment for Parallax-Tolerant Image Stitching

图像拼接中的大视差是一个具有挑战性的问题。全局对齐通常会引入明显的伪影。常见的策略是进行部分对齐，以便更容易寻找用于拼接的良好缝隙。与现有方法不同的是，我们明确地使用估计的缝隙来引导优化局部对齐的过程，从而使缝隙质量在每次迭代中得到改进。此外，我们引入了一种新颖的保持结构的变形方法，用于在变形过程中保留显著的曲线和直线结构。这些措施显著提高了我们的方法在处理大视差下的各种具有挑战性的图像时的效果。可以看出，和Parallax-tolerant Image Stitching一样，本文也是采用粗对齐+精对齐。

2023-08-03 12:55:13 396

原创图像拼接2014CVPR文章——Parallax-tolerant Image Stitching

本文贡献：1.首先开发了一种高效的随机算法，用于寻找不完全精确的局部对齐(只采用了部分重叠区域的特征点)的单应性变换(粗对齐在这个过程中，通过从粗略对齐的图像中找到一个合理的缝隙（seam），并使用缝隙的代价来评分单应性变换。2.还开发了一种基于图割的缝隙查找方法，它可以从仅粗略对齐的图像中估计出合理的缝隙，同时考虑几何对齐和图像内容。3.一旦找到了最佳的单应性变换，我们将其用于预先对齐输入图像，然后再使用内容保持变形来细化对齐效果。（这一步所谓内容保持变形。

2023-08-03 00:09:16 404

原创图像拼接CVPR2015文章——AANAP代码详解

Adaptive As-Natural-As-Possible Image Stitching是CVPR2015的一篇文章代码文章pdf文章提出了一种新的图像拼接方法，结合了几种技术，使全景图看起来更加自然。（1）为了减轻As-Projective-As-Possible (APAP) [12]拼接中出现的透视失真，我们对与其他图像没有重叠的区域中的单应性矩阵进行了线性化处理。（2）自动估计了在重叠区域中使用一部分对应点得到的全局相似变换。

2023-08-02 16:24:43 457