SIFT（尺度不变特征变换）是一种经典的图像特征检测与描述算法，由David Lowe于1999-2004年提出。其核心流程包括：构建高斯金字塔和DoG金字塔进行尺度空间极值检测，筛选关键点并计算具有旋转不变性的SIFT描述子，通过最近邻匹配和Ratio Test实现特征对应，最后用RANSAC去除误匹配并计算几何变换矩阵。SIFT算法通过局部梯度方向直方图生成特征描述子，使其对尺度、旋转和光照变

假设有一个 3×3 的卷积核，它在输入图像上滑动，那么这个卷积核一次只看输入图像的 一个 3×3 小块，所以，输出特征图中的每个点，感受野就是 3×3。我们都知道，CNN是通过卷积核来提取图像特征的，直观上来看，最让人注意到的就是通过卷积之后图像变小了，这就像是将一个大的图像压缩成一个小的特征图，我之前更多关注的是，这样做降低了计算压力。第3层：继续类推，它的输出每个点能“看到”上层输入中的 3×

从java转c语言在专升本之前,以前的学校计算机学习主要是应用型围绕着Java来开展课程的,期间也做了不少Maven+SSM开发的项目,并能在实训课上独立开发这样的项目,但在专升本后,步入本科学习阶段,不管是学习数据结构课程,还是为以后考研做准备,因为考研专业课算法题很多都强调用C,C++语言开发,所以为了快速从Java转C语言,这里我就记录下其中主要差别,以及着重要点.小知识:C语言通常通过re

卷积神经网络（Convolutional Neural Network,CNN）具有四个特点：局部连接、权值共享、池化操作及多层结构。其局部连接是相对于多层感知机（Multilayer Perceptron,MLP）的全连接特点说的。所以要介绍局部连接，我们首先要先提一下多层感知机，之后再引入CNN局部连接的原理，及具体表现。多层感知机（Multilayer Perceptron,MLP）是由输入