SIFT特征提取：角点检测： Morvavec角点检测算子：基于灰度方差的角点检测方法，该算子计算图像中某个像素点沿水平、垂直方向上的灰度差异，以确定角点位置 Harris角点检测算子：不止考察水平，垂直4个方向上的灰度差异，而是考察了所有方向上的灰度差异，并且具有旋转不变性和部分放射变换的稳定性。 Shi-Tomasi角点检测算子：通过考察自相关矩阵M的两个特征值中的较小者来确定角点，大部
目录一、基于FLANN的匹配FLANN匹配流程：代码编写二、基于FLANN进行单应性匹配什么是单应性？FLANN进行单应性匹配流程代码编写 FLANN库全称是Fast Library for Approximate Nearest Neighbors，它是目前最完整的（近似）最近邻开源库。不但
转载
2024-02-21 16:15:08
476阅读
这儿仅作为我个人学习SIFT算法的总结！算法存在的意义SIFT（Scale-Invariant feature transform）算法是一种局部特征检测的算法，该算法通过寻找图像中的特征点（interest points ,or corner points）来进行特征点匹配。它在尺度空间寻找极值点，并精确计算出其位置信息，结合尺度，方向信息进行特征描述，该算法具有尺度，旋转不变性，对图像的亮度或
特征点检测和描述算法的应用比较广泛。在OpenCV中，除了SIFT和SURF之外，还有一些特征点检测算法和特征点描述算子。如ORB、BRISK、FREAK、BRIEF、MSER、FAST、KAZE、AKAZE等。这些算法在opencv里的调用方式基本上都是一样的。在这些算法中，BRIEF、FREAK属于特征点描述算子，其他的一般都是检测特征点和描述特征点一起的。SIFT和SURF的特征点描
我们在之前讨论OpenCV的轮廓以及直方图时已经接触过类似的匹配，事实上，它们原理基本上差不多，都是用一幅模板图像和原图进行匹配，从而找到原图中相应的地方，作为OpenCV中的一种最基本的目标识别的方法，模板匹配有其一定的作用，今天我们来具体的进行讨论。模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法。为此，OpenCV带有一个函数cv.matchTemplate()。它只是将模板图像滑
转载
2024-02-23 10:28:16
71阅读
模板匹配最近准备把学过的一些知识整理写成博客，加深印象。 模板匹配是一种最原始、最基本的模式识别方法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物，这就是一个匹配问题。它是图像处理中最基本、最常用的匹配方法。模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。普通的模板匹配方法属于暴力搜索法，通过将模板图像不断在搜索图上移动，计
转载
2023-10-28 11:53:08
177阅读
1、SIFT概述 SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，它对物体的尺度变化，刚体变换，光照强度和遮挡都具有较好的稳定性，可在图像中检测出关键点，是一种局部特征描述子。SIFT 算法被认为是图像匹配效果好的
转载
2023-10-05 22:24:52
249阅读
任务描述 问句匹配是自然语言处理的最基本任务之一，是自动问答，聊天机器人，信息检索，机器翻译等各种自然语言处理任务基础。问句匹配的主要目的是判断两个问句之间的语义是否等价。判别标准主要根据主句（即提问者）所蕴含的意图来判断两个语句是否等价，而不直接判断两个语句是否表达相同的语义。因此，其核心是语句的意图匹配。由于来源于真实问答语料库，该任务更加接近于智能医疗助手等自然语言处理任务的实际需
转载
2023-11-29 15:20:31
70阅读
关于“pytorch 计算特征相似度”，我们将详细介绍如何在PyTorch中实现特征的相似度计算，从环境准备到性能优化，保证内容充实且具有实操性。
### 环境准备
首先，你需要确保你的环境中已经安装了以下依赖。可以使用下面的命令进行安装。
```bash
# 在Ubuntu上安装
sudo apt-get install python3-pip
pip3 install torch torc
基于预训练模型 ERNIE-Gram 实现语义匹配本案例介绍 NLP 最基本的任务类型之一 —— 文本语义匹配，并且基于 PaddleNLP 使用百度开源的预训练模型 ERNIE1.0 为基础训练效果优异的语义匹配模型，来判断 2 个文本语义是否相同。一、 背景介绍文本语义匹配任务，简单来说就是给定两段文本的相，让模型来判断两段文本是不是语义相似。在本案例中以权威的语义匹配数据集 LCQMC 为例
转载
2024-04-16 21:15:41
402阅读
NLP文本相似度1、前言2、余弦相似度2.1 原理2.2 计算步骤2.33、TF-IDF4、 1、前言NLP、数据挖掘领域中，文本分析是一个很重要的领域，这有助于我们去让计算机理解语言的作用和使用。文本分析也是数据挖掘的重要手段，利用文本分析，我们将很快的读取到一本书、一篇文章、一段话中的关键词和核心思想，而文本相似度就是我们用来剔除无用信息或者重复信息的重要手段。要让计算机去找文本中的不同。我
转载
2023-10-19 15:44:05
93阅读
文章目录前言一、理论知识1.分词2.列出所有的词3.计算词频4.写出词频向量5.计算相似度二、java开发样例1.pom.xml2.相似度计算代码结尾 前言计算文章/字符串的相似度有多种算法，本文将采用java+jieba/hanlp分词进行余弦相似性计算。一、理论知识余弦距离，也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。余弦值越接近1，就表明夹角越接
转载
2024-04-10 18:20:18
49阅读
导读在之前的文章图像处理中常用的相似度评估指标中，我们介绍了通过MSE、PSNR、SSIM以及UQI等指标来计算图像之间的相似度。但是，在使用这些算法计算图像相似的时候两张图像的size必须一致，而且这些算法对于图像的旋转、缩放、平移、仿射变换以及光照强度等都是不鲁棒的。这篇文章我们来介绍几个更加鲁棒的图像相似度计算的算法，SIFT、SURF以及ORB三种算法，它们都是基于特征点的提取来计算图像之
转载
2024-01-28 00:25:36
509阅读
一、bm25的应用和基础医学领域，BM25算法的应用，文档分类，相似度识别以及疾病、手术等实体的相似度匹配。文档的处理相对简单，可以直接调用相关算法包，实体单词的相似度匹配需要对文本做相关的处理。对比研究，在文档中，表示特征的主要是单词，而在实体名词（疾病、手术、药品名称）中，表示特征的是字或者由n-gram切分的元素，当用字表示特征时，文本的语义会丢失，所以我建议用字和n-gram（n>=
转载
2023-12-12 22:27:56
64阅读
29.OpenCV的特征检测——特征匹配 文章目录前言一、暴力匹配器二、FLANN匹配器三、OpenCV-Python资源下载总结 前言 获得图像的关键点后，可通过计算得到关键点的描述符。关键点描述符可用于图像的特征匹配。通常，在计算图A是否包含图B的特征区域时，将图A称做训练图像，将图B称为查询图像。图A的关键点描述符称为训练描述符，图B的关键点描述符称为查询描述符。一、暴力匹配器 暴力匹配
转载
2023-11-03 13:49:58
158阅读
写在开始之前：语义即联系。以下部分来自于我在公司内部的分享。一、相关概念在学术上，大致有以下三个概念和文本相似度相关：Semantic Textual Similarity(文本语义相似度)：5分表示非常相似，0分表示非常不相似。Paraphrase Identification(复述判定)：1表示是复述，0表示不是复述。Natural Language Inference(自然语言推断)：C表示
转载
2023-11-27 02:27:32
358阅读
文章目录一、绪论二、余弦相似度2.1 余弦相似度定义2.2 计算相似度步骤2.3 举例2.4 改进方式2.5 代码三、TF-IDF计算3.1 TF、IDE、TF-IDF的计算方法3.1.1 词频TF的计算方法3.1.2 反文档频率IDF的计算方法3.1.3 TF-IDF的计算方法3.2 利用TF-IDF计算文章相似度3.3 代码四、基于语义相似度的计算----DSSM4.1 原理4.2 输入层4
转载
2023-10-08 00:02:54
188阅读
邻近性的度量 - 距离、相似度简单匹配系数Jaccard 系数广义 Jaccard 系数距离余弦相似度皮尔森系数Bregman 散度选择正确的度量指标 邻近性度量的应用非常广泛，例如在推荐算法的协同过滤中可以用来衡量物品之间或用户之间的相似性，从而做推荐；又例如在做特征工程，衡量特征之间的相关性，从而筛选特征。那么接下来就讲一下特征性度量的指标。简单匹配系数简单匹配系数（Simple Match
转载
2023-10-19 15:11:14
84阅读
明氏距离(Minkowski Distance)\[d(x,y)=(\sum_{k=1}^n|x_k-y_k|^s)^{1\over s}
\]s越大,某一维上的较大差异对最终差值的影响也越大.s=1, 曼哈顿距离s=2, 欧式距离s=∞,上确界距离(Supermum Distance),等同于切比雪夫距离广义的n维空间中的度量,通也被称为\(L_s\)范数.
Manhattan距离又称City
转载
2024-06-14 20:27:51
60阅读
一、Transformer1. 起源Transformer由NLP发家，用于NLP任务。2. 动机自适应地发掘长短关联。3. 关联方式自注意力/编码解码注意力。4. 技巧位置编码（Position Encoding）。5. 自注意力机制首先需要明白QKV分别是个啥。对于输入的每一个单词都生成三个vector，分别是query，key和value。这三个vector如何生成？将embedding层输
