एसआईएफटी, एचओजी और एसयूआरएफ सी ++, ओपनसीवी

Question

मेरे पास एक साधारण सवाल है, जिसे मैं जानना चाहता हूं, किस प्रकार की पुस्तकालय उपलब्ध हैं और सीआईएफटी, एचओजी (हिस्टोग्राम ओरिएंटेड ग्रेडियेंट) और एसयूआरएफ को सी ++ या ओपनसीवी में लागू करने के लिए अच्छे परिणाम दे सकते हैं ?

इसलिए: 1- मुझे कोड के लिए लिंक दें यदि आप कर सकते हैं, जिसे मैं बहुत सराहना करता हूं। 2- यदि आप उनमें से एक या किसी भी प्रकार की जानकारी मुझे जो चाहते हैं उसे ले जाने के लिए जानते हैं, तो मुझे भी सराहना की जाएगी।

धन्यवाद

Answer 1

जांच इन: सर्फ - महान लेख http://people.csail.mit.edu/kapu/papers/mar_mir08.pdf छान-बीन करना - तेज - - तेजी से कोने का पता लगाने पुस्तकालय http://svr-www.eng.cam.ac.uk/~er258/work/fast.html

Answer 2

शायद महान स्रोत है, मैं यह iPhone http://blogs.oregonstate.edu/hess/ पर करने की कोशिश की आपको यह जानने में मदद मिलती है कि एसआईएफटी और एसयूआरएफ कार्यान्वयन पहले ही ओपनसीवी में एकीकृत हैं। http://opencv.willowgarage.com/documentation/cpp/features2d__feature_detection_and_descriptor_extraction.html

Answer 3

openCV https://code.ros.org/trac/opencv/browser/trunk/opencv/samples/cpp/matching_to_many_images.cpp

Answer 4

अगर यह अभी भी प्रासंगिक है सुनिश्चित नहीं हैं, लेकिन आप भी opencv अर्थात हॉग कोड के दोनों GPU और सीपीयू संस्करणों में हॉग वर्णनकर्ता कंप्यूटिंग के दो कार्यान्वयन पाने में सर्फ कोड का उदाहरण।

सीपीयू संस्करण के लिए आप सीपीयू संस्करण आप रपट खिड़कियों के लिए अपने स्वयं के तर्क लिखने के लिए की आवश्यकता होगी में हालांकि इस blog post

देख सकते हैं।

और GPU संस्करण काफी सरल है आप प्रलेखन here

Answer 5

OpenCV कार्यान्वयन के बारे में सावधान रहें, क्योंकि OpenCV के नवीनतम संस्करण के रूप में nonfreehttp://docs.opencv.org/modules/nonfree/doc/nonfree.html झारना और सर्फ कार्यान्वयन में वर्गीकृत किया है पढ़ सकते हैं।

अब आप उनका उपयोग कर सकते हैं, लेकिन शायद वे लाइसेंसिंग के अधीन हैं और वाणिज्यिक समाधानों के लिए उपयोग नहीं किए जा सकते हैं।

Answer 6

यह Class-Specific Hough Forests for Object Detection (opencv/c source code) का पता लगाने के लिए होग, सोबेल और लैब चैनलों के आधार पर वर्णनकर्ताओं का उपयोग करता है।

इसके बजाय प्रत्येक संभावित स्थान पर पता लगाने पर यह दृष्टिकोण प्रत्येक वर्णनकर्ता के लिए वोट की गणना करता है, फिर जब एक साथ रखा जाता है तो वे एक मतदान क्लाउड उत्पन्न करते हैं जहां अधिकतम लक्ष्य के सबसे संभावित स्थान से मेल खाता है। जब cvGoodFeaturesToTrack के साथ संयुक्त हो तो एक छोटे से प्रशिक्षण डेटाबेस के साथ भी बहुत अच्छे परिणाम उत्पन्न कर सकते हैं।