#local-features Репозитории
Откройте для себя 7 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #local-features, с общим числом 9,887 звёзд (в среднем 1,412 на проект). Лидером этой темы является luigifreda/pyslam, набравший 3,438 звёзд.
Всего репозиториев: 7
pySLAM — это гибридный конвейер визуального SLAM на Python/C++, поддерживающий монокулярные, стерео- и RGB-D-камеры. Он предоставляет широкий набор современных локальных и глобальных экстракторов признаков, множественные стратегии замыкания цикла, модуль объемной реконструкции, интегрированные модели предсказания глубины и возможности семантической сегментации для улучшенного понимания сцены.
Реализация XFeat (CVPR 2024). Вам нужна надежная и быстрая экстракция локальных признаков? Вы оказались в нужном месте!
D2-Net: Обучаемая CNN для совместного описания и обнаружения локальных особенностей
Код для статьи CVPR2021 "Patch-NetVLAD: Многомасштабное слияние локально-глобальных дескрипторов для распознавания мест"
Часто задаваемые вопросы
Какой репозиторий по теме #local-features наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #local-features на GitHub — luigifreda/pyslam, набравший 3,438 звёзд. pySLAM — это гибридный конвейер визуального SLAM на Python/C++, поддерживающий монокулярные, стерео- и RGB-D-камеры. Он предоставляет широкий набор современных локальных и глобальных экстракторов признаков, множественные стратегии замыкания цикла, модуль объемной реконструкции, интегрированные модели предсказания глубины и возможности семантической сегментации для улучшенного понимания сцены.
Какие языки программирования чаще всего используются в репозиториях по теме #local-features?
Среди наиболее высоко оценённых проектов по теме #local-features на GitHub чаще всего используются языки программирования Python, Jupyter Notebook.
Как рассчитывается рейтинг репозиториев по теме #local-features?
Мы отслеживаем 7 активных репозиториев с открытым исходным кодом, отмеченных тегом #local-features (500 и более звёзд), с общим числом 9,887 звёзд и в среднем 1,412 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.