Skip to content

Latest commit

 

History

History
21 lines (11 loc) · 1.51 KB

Readme.md

File metadata and controls

21 lines (11 loc) · 1.51 KB

SuperGlue

reconstruction course homework

数据集,这里使用的合成数据集,下载 The Paris DatasetSyntheticDataset.py 读取图片,并对每张图片进行 随机亮度、随机对比度、随机仿射变换、随机裁剪 的操作后得到图片对,和两张图片的变换矩阵,将该数据集作为我们训练和测试的数据集。

superpoint.py 用于提取特征,和论文关系不大,也可以使用opencv中的SIFT,此文件直接使用论文源码的文件。

superglue.py 参考了论文源码的文件,由于论文源码并不支持训练,所以稍微修改使其能够返回所求的部分软赋值矩阵。

train.py 训练网络,由于显卡的显存不足,这里设置了superpoint 提取的最大特征数量为 1024,直接 python train.py 即可运行,未设置命令行参数。

visualization.py 输入任意两张图片绘制网络输出的匹配,匹配颜色为网络输出的匹配分数(越绿分数越高),python visualization.py img0 img1 [-o output] [-m model]

test_visualization.py 输入单张图片,经过处理后得到图片对进行匹配,并将正确的匹配结果绘制为绿色,错误的绘制为红色,python test_visualizatoin.py img [-o output] [-m model]

draw_pic.py 批量生成训练模型synthetic.pth和原始模型outdoor.pth的匹配图,用于写报告

cal_auc.py 计算匹配的精准度和AUC值

utils.py 用于绘制匹配图。