测试tensorflow DELF图像特征点匹配模型

delf作用有点类似于常见的特征点匹配比如orb, sift, surf等,只是它是深度模型
从网上下载tensorflow的models代码,然后进入delf的python代码目录,这一步很重要,不然后面可能会有错误ImportError: No module named delf
cd ~/workspace/flower/models/research/delf/delf/python/examples


Oxford buildings dataset 牛津建筑物数据库
mkdir data && cd data
wget http://www.robots.ox.ac.uk/~vgg/data/oxbuildings/oxbuild_images.tgz
mkdir oxford5k_images oxford5k_features
tar -xvzf oxbuild_images.tgz -C oxford5k_images/
cd ../
echo data/oxford5k_images/hertford_000056.jpg >> list_images.txt
echo data/oxford5k_images/oxford_000317.jpg >> list_images.txt


模型文件
mkdir parameters && cd parameters
wget http://download.tensorflow.org/models/delf_v1_20171026.tar.gz
tar -xvzf delf_v1_20171026.tar.gz
cd ../


对hertford_000056.jpg oxford_000317.jpg 提取特征点,以便后续进行图片相似匹配
python extract_features.py \
  --config_path examples/delf_config_example.pbtxt \
  --list_images_path list_images.txt \
  --output_dir data/oxford5k_features


开始匹配
python match_images.py \
  --image_1_path data/oxford5k_images/hertford_000056.jpg \
  --image_2_path data/oxford5k_images/oxford_000317.jpg \
  --features_1_path data/oxford5k_features/hertford_000056.delf \
  --features_2_path data/oxford5k_features/oxford_000317.delf \
  --output_image matched_images.png
结果是产生一张新图片matched_images.png, 会把匹配的点用线连接起来显示在图片中


安装过程其他的一些问题:
1) 在安装matplotlib库时有可能会出错
gcc: error: unrecognized command line option ‘-fstack-clash-protection’
gcc: error: unrecognized command line option ‘-fstack-clash-protection’
gcc版本需要在5.4以上,如果是低于这个版本的,则安装新的版本。


2) Failed to build subprocess32
object-detection 0.1 requires Cython>=0.28.1, which is not installed.
object-detection 0.1 requires Pillow>=1.0, which is not installed.
pip install Pillow Cython


3) ImportError: No module named Tkinter
系统需要安装python-tk

作者:帅得不敢出门


  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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