摘要：这篇论文是2000年的，比较老了，现在可能提出了其它的特征点评价方法，不过这篇文章中提到的两种方法应该算是比较经典的吧。现在用的人也很多，所以还是值得一看的。论文中主要对当时比较火的描述子进行评价，如Harris，当时描述子研究貌似也是起步不久的样子，还木有SIFT呢，就十几年的时间，描述子这块的研究发展还真快呐。费话少说，直入主题吧。 现在存在很多feature detectors，然后那个的performance更好呢？这就需要一个普适的特征点评价方案。一般有两个评价指标：repeatability 和 information content(1) repeatability:是对特征点. 阅读全文

摘要：以前由于图片数量的限制，我们一般对图片做detection，然而随着网络的快速发展，图片的数量也快速增长，我们几乎可以拥有所有图片，因此detection问题转化为matching问题。然而如何在这大量图片中实现匹配呢？解决该问题关键在于怎样对图片进行有效降维，即用更少的空间代表图片，一般我们用二值化的向量来表示。这样不仅可以减少存储空间，并且可以提高匹配速度。更重要的是相似的图片具有相同的编码，因此大大地减少了搜索空间。现有的方法包含以下几种：1、Local Sensitive Hashing(LSH):使用多个hash function，将每个hash function值量化为few bi 阅读全文

摘要：前一遍文章有写遗传算法解决N皇后的问题，个人感觉遗传算法的解决方法比较好理解，递归算法初一看挺简单，但让你下一次再写就不一定能写出来。遗传算法看起来难实则容易 1 #include 2 #include 3 #include 4 using namespace std; 5 #define NUM 8 6 int x[NUM]; 7 int queen_num=0; 8 9 bool place(int t )10 {11 for(int i=0;i<t;++i)12 {13 if(x[i]==x[t]||(abs(t-i)==abs(x[i]-x[t])))... 阅读全文

摘要：写代码这个事儿，果然不能懈怠，好久不定代码，都生疏了，搞了一天才搞出来。最主要的问题是卡是杂交算法那块儿了，由于把杂交结果作为函数的返回值，而杂交结果是函数的局部变量，是一个指针，因此当函数执行结束，该指针也被释放掉，当然也就找不到杂交结果啦。有两个方法可以解决：第一：将其作为函数的一个形参 第二：将其作为静态变量下面使用两种杂交算法实现N皇后问题。 1 // 8queens.cpp : 定义控制台应用程序的入口点。 2 // 3 /**/ 4 5 #include 6 #include 7 #include 8 #include 9 #include 1... 阅读全文