題外話：
這是劉策08年發表**中提出的方法，比較老，就稠密匹配這塊經典，但是網上資料不多，剛開始以為是經典的方法不打算花太多時間讀文，想著直接用現成的**就好，哪知。。。就是這種想法！所以導致效率極其低下，幾乎看了整整五六天有沒有！而且心情也不好，雖然中間穿插小長假是一部分原因，但是效率總也提不起來。這就是掉以輕心的壞處，以後記住，無論是什麼問題還是本著要從根本學會的態度比較好。題外話ending。
**摘要：
作者提出sift flow是基於影象標定/影象定位（image alignment），旨在根據輸入影象，在資料庫中找到與之最匹配的圖，根據輸入影象將找到的影象進行標定。翻譯一段：對於一副輸入影象，使用histogram intersection找到資料庫中輸入影象的最近鄰，即與之最相像的圖。sift flow在兩幅圖中進行稠密的特徵取樣。 sift特徵的魯棒性使得光流變得更好用。接下來作者提出幾點應用。由於筆者看本文是出於稠密的特徵匹配，所以就不重點介紹其他的了。感興趣可以去看看原文。
sift flow光流演算法：
本文最關鍵的就是下面這個公式了，體現了核心思想，但是由於我粗心心急直接跑去看**，所以看了好多遍才理解。
其中w是w(p) = (u(p), v(p))是查詢到的目標圖t對應於原圖i畫素點位置p = (x,y)（對應原圖中的畫素座標）得到對應點的位移差，也就是說t中與i中最相似點的位移，如t中座標為(x1, y1)那麼|u(p)| = |x-x1|, |v(p)| = |y - y1|，到了這裡就可以很好地理解**結果中的vx, vy，即對應於這個位移差，也就是說sift flow的結果就是找到所有畫素點相似點的位移差，就是稠密匹配對。
s1和s2是sift描述子，上式就是要得到描述子的最小差和，即最佳匹配結果。其餘幾項是優化項。
以上。
學習筆記 雜湊學習筆記
hash基本原理 hash就是乙個像函式一樣的東西，你放進去乙個值，它給你輸出來乙個值。輸出的值就是hash值。一般hash值會比原來的值更好儲存 更小 或比較。那字串hash就非常好理解了。就是把字串轉換成乙個整數的函式。而且要盡量做到使字串對應唯一的hash值。它的主要思路是選取恰當的進製，可以...
學習筆記 CentOS 學習筆記01
簡單的做個課堂筆記 虛擬機器用的是vmware，系統是centos cd etc sysconfig network scripts pwdls 顯示列表 cat ifcfg eth0 檢視檔案內容 vi ifcfg eth0 進入vi編輯器 onboot no 原始設定 x逐字刪除 d刪除整行 a...
筆記 spring cloud 學習筆記
1 spring cloud 是什麼 spring cloud為開發人員提供了快速構建分布式系統中一些常見模式的工具 例如配置管理，服務發現，斷路器，智慧型路由，微 控制匯流排 分布式系統的協調導致了樣板模式,使用spring cloud開發人員可以快速地支援實現這些模式的服務和應用程式。他們將在任...