关于detector 的初始参数的疑惑 about shape_based_matching HOT 6 OPEN

可以；
论文里这两个T是一致的，扩散多少步长也是多少。T越大速度越快，误匹配越多，因为可能被其他位置的方向干扰。要想更容易匹配，也就是一个模版容纳的角度尺度变化更大，可以让扩散多一点，比如扩散1.5T。我在3D匹配里是用的1.5T，2D模版量没多少，所以一般扩散T，模版多一点就行了。

from shape_based_matching.

可以；
论文里这两个T是一致的，扩散多少步长也是多少。T越大速度越快，误匹配越多，因为可能被其他位置的方向干扰。要想更容易匹配，也就是一个模版容纳的角度尺度变化更大，可以让扩散多一点，比如扩散1.5T。我在3D匹配里是用的1.5T，2D模版量没多少，所以一般扩散T，模版多一点就行了。

好的，非常感谢回复。现在遇到的问题是在相同的相似度阈值的情况下，增大T（由{3,3}增大到{5,5}）原来能匹配到的模板反而匹配不到。使用的是360度的模板，在{3,3}时某一度的模板能超过阈值，但是调到{5,5}后所有的模板都达不到阈值。会不会是因为虽然扩散增加了，但是因为滑动步长也增加所以导致模板没能滑动到最佳窗口使得相似度达到阈值？

from shape_based_matching.

有可能，卡着阈值的时候不太稳定，稍微动一个像素都可能不是最佳窗口。如果很在意这个，可以多扩展0.5T，改改spread函数就行了。

from shape_based_matching.

有可能，卡着阈值的时候不太稳定，稍微动一个像素都可能不是最佳窗口。如果很在意这个，可以多扩展0.5T，改改spread函数就行了。

ok 明白了，谢谢回复

from shape_based_matching.

对detector 初始化时两个参数的作用有些疑惑
第一个参数理解的是特征点数量， 默认128个特征点，想问以128个特征点初始化后，如果后续加载的yaml模板特征点数量高于或者低于128个特征点会有什么影响，能不能同时加载几个不同特征点数目的yaml模板。

第二个参数是滑动步长，但是有些疑惑这个{x， y}的步长对应的是论文中哪一步分的内容，是指fig4中提到的梯度方向扩散(某像素的梯度方向向+-x, +-y内扩散）？，还是用来计算fig5中线性内存参数T的（相当于滑窗搜索的滑动步长）？或是其他？
现在做实验几个不同物体的模板在相同阈值的情况下，有的第二个参数设得小才能检测出来，有的第二个参数设得大才能检测出来。比较疑惑的就是如果是梯度扩散那参数设得越大所有的物体都应该越容易检测，如果是滑窗步长那参数设得越小所有的物体都应该越容易检测

第一个这个是可以的，我试过写个补丁，手动删除某个模板的不要的错误特征点之类

第二个这个我也比较疑惑，参数应该怎么设置比较好？或者说spread函数要怎么修改呢？

from shape_based_matching.

@oUp2Uo 可以认为参数就是速度跟误匹配率的权衡，越大越快，误匹配越多。spread函数一般不用改。

from shape_based_matching.