#350 · 主分类： 计算机视觉
hardnet
computer-vision
convolutional-neural-networks
deep-learning
image-matching
image-retrieval
metric-learning
nips-2017
pytorch
Hardnet描述子模型 - "努力了解邻居的间隔：局部描述子学习损失"
项目最后更新：04/14/25
GitHub Stars
534
Forks数量
101
贡献者数量
5
许可证
MIT
收录理由
HardNet 是一个用 PyTorch 实现的局部图像描述子模型，其训练采用基于边距的损失函数：让每个图像块向最近的正样本靠拢，同时远离最近的负样本。如果你在做运动恢复结构、视觉定位或图像检索，这个模型可以作为 SIFT 等手工描述子的实用替代方案，仓库自带的基准测试显示，预训练权重在 HPatches 和 Oxford5k 上超过了经典基线。代码里包含了训练脚本、可选的平移和旋转增强，还有一个 notebook 演示如何把模型编译成 TorchScript 以便在 C++ 环境中调用，这对想把它集成到实际生产流程的人来说很方便。需要注意的是，代码基于 Python 2.7 编写，如果你的技术栈比较新，很可能需要自己动手移植一下。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。