L2T-ww - Learning What and Where to Transfer
SuperPoint Self-Supervised Interest Point Detection and Description
這篇主要介紹SuperPoint,透過PyTorch實作的過程。
SuperPoint: Self-Supervised Interest Point Detection and Description
Image Matching
研究背景
特徵提取與匹配主要分為三個步驟:關鍵點偵測、描述子生成與特徵匹配。
影像匹配(Image Matching)是指將兩張或多張影像中的相似區域或特徵點進行對應的過程。這個過程通常用於計算機視覺、圖像處理和電腦圖形學等領域中。
影像匹配的目標是找到不同影像之間的相似區域或特徵點的對應關係。這些對應關係可以用於後續的影像分析、物體識別、三維重建、姿態估計等應用。常見的影像匹配應用包括物體追蹤、影像配對、影像檢索、影像拼接等。
影像匹配的方法可以分為點對點匹配和區域匹配兩種。點對點匹配是將兩張影像中的特徵點進行對應,找到它們之間的對應關係。常用的特徵點包括角點、邊緣點、局部特徵點(例如SIFT、SURF、ORB等)等。區域匹配則是將影像中的區域或結構進行對應,找到它們之間的相似性。區域匹配方法常用的包括基於相關性的方法、基於相位相關性的方法、基於區域描述子(例如HOG、LBP等)的方法等。
影像匹配的精確度和鮮明度取決於影像之間的特徵或區域的一致性和唯一性。在實際應用中,影像匹配面臨著許多挑戰,如光照變化、視角變化、噪聲干擾、遮蔽等。因此,為了提高影像匹配的準確性和魯棒性,經常需要結合多種特徵提取和匹配算法,並使用適當的校正和優化技術。
總之,影像匹配是一個重要的技術,可以幫助我們找到影像中的相似區域或特徵點之間的對應關係,為後續的影像分析和應用提供基礎。
Res2Net 解析
Flutter 環境快速安裝
Web 3.0: The Decentralized Web
簡介
Web 3.0是指下一代互聯網,也稱為“分佈式網絡”,它是Web 2.0的進一步發展。
Web 3.0的特點是通過分佈式數據庫和智慧合約實現去中心化、安全、私密、可擴展的互聯網。
Web 3.0 的核心技術包括區塊鏈、人工智慧、物聯網、分佈式系統等。
- 區塊鏈技術是Web 3.0最重要的基礎,它可以實現去中心化和安全的數據儲存和交換。
- 智慧合約是Web 3.0的另一個重要技術,它可以實現可編程的合約,並使其執行自動化。
- 此外,Web 3.0還包括分佈式儲存、點對點網絡、數字身份等技術。
Web 3.0將使得互聯網更加開放、民主、公正,並且能夠實現更多的創新和應用。例如,Web 3.0可以實現可信賴的數字身份認證、去中心化的社交網絡、去中心化的交易市場等。
不過,Web 3.0的發展仍然面臨著許多技術挑戰和社會問題,例如去中心化的治理、數據隱私保護等問題。
Sourcetree連結Github,解決密碼驗證問題
背景
2021年8月14日,上傳程式碼至Github時,遇到Github不再支援密碼驗證這問題,
remote: Support for password authentication was removed on August 13, 2021. Please use a personal access token instead.
連結如下
https://github.blog/changelog/2021-08-12-git-password-authentication-is-shutting-down/
針對這問題,參考常見的解決方式,符合本身的需求找出的解決方案,透過Sourcetree 上傳至 Github。
- Git
- Sourcetree
- Github