uncle_ll

在本章中，将了解 FAST算法的基础知识。使用OpenCV功能对FAST算法进行探索，在之前的文章中，已经了解了几个特征检测器，其中很多表现是非常优秀的。但是，从实时应用程序的角度来看，fast会更快

在这一章当中将学习： SURF的基础 OpenCV中的SURF函数以及基础理论，与之前介绍的SIFT用于关键点检测和描述符又有所不同。

在这一章当中将学习: SIFT算法的概念 找到SIFT关键点和描述算符 理论，这与Harris这样的角点检测器是不同的

在无监督学习中，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律。在这类任务中，常用的算法是聚类(cluster)算法。

在本章中，将学习另一个角点检测器： Shi-Tomasi拐角检测器 函数：cv2.goodFeaturesToTrack()

学习 "Harris Corner Detection”背后的思想 函数：cv2.cornerHarris(),cv.2cornerSubPix() 理论

在做二分类问题时候，有正样本和负样本，如何确定好的阈值分数进行分类两类样本呢？可以基于ROC曲线来判断

在本章中，将学习和理解什么是特征，为什么拐角重要等。以图像特征为例讲解图像特征中的点，直线，拐角的重要性。

本文正在参加「金石计划」 近日，Meta开源了一个project，以及对应的Paper，分割效果是超群的，可以说比大多数sota算法的性能都要好。