凯伦·西蒙扬,安德烈亚·维达尔迪安德鲁·齐瑟曼

2014年1月31日:学习代码已发布。

概述

在这里,我们发布了用于在Local Patches数据集上学习、计算和评估特征描述符的源代码和数据[3]。算法详细信息见[1,2]和随附的研究页面.

目前可供下载的有:

  • 用于描述符学习、计算和评估的MATLAB源代码。
  • 预计算描述符。
  • 学习描述符模型。
  • 用于描述符学习的辅助预计算数据。

发布的代码和描述符模型重现了[1]中报告的本地补丁数据集[3]的结果。该代码是根据BSD许可证的条款提供的。如果您使用此代码,请引用[1]。附带的readme.txt文件中提供了有关如何安装和使用软件包的说明。

下载

  • desc_src.tar.gz描述(14.3 KB):描述符学习、计算和评估源代码。MD5:a7fd7dc49a0866f1ff3e1148d7fed49c
  • 数据_值.tar(3.0 GB):描述符评估数据(预先计算的描述符)。MD5:11463b9b8db1821f792c0558e4ec77af
  • 数据计算.tar(6.7 GB):描述符计算数据(局部补丁和学习的模型)。MD5:0271de2ff0248902cf4cc44c2fecf72
  • 数据学习.tar(37.7 GB):描述性学习数据(预先计算的特征)。MD5:56fc6e5972b93538e362151111408303
  • 自述.txt:说明

相关出版物


[1]K.Simonyan,A.维达尔迪,A.齐瑟曼
2014年IEEE模式分析和机器智能汇刊

[2]K.Simonyan,A.维达尔迪,A.齐瑟曼
2012年欧洲计算机视觉会议

[3]M.Brown,G.Hua,S.收卷机
局部图像描述子的判别学习
2011年IEEE模式分析和机器智能汇刊

鸣谢

这项工作得到了微软研究博士奖学金计划和ERC赠款VisRec编号228180的支持。

msrc-logo公司 erc标志