vhh-cmc 1.2.0

插件包：摄像机运动分类

该软件包包括将给定快照/或图像序列分类为平移、倾斜或NA中的一种的所有方法。在

包装说明

PDF格式：vhh_cmc_pdf

HTML格式（仅当存储库在本地存储中可用时才可用）：vhh_cmc_html

快速设置

要求：

• Ubuntu 18.04 LTS
• python 3.6.x版

0环境设置（可选）

创建虚拟环境：

• 创建指定路径的文件夹（例如/xxx/vhh\u cmc/）
• python3-m venv/xxx/vhh_cmc/

激活环境：

• 源/xxx/vhh_cmc/bin/activate

1A使用Pip安装

VHH放炮边界检测软件包可在PyPI上获得，并可通过pip安装。在

• 更新pip和setuptools（使用pip==20.2.3和setuptools==50.3.0测试）
• pip install vhh-cmc

或者，也可以从源代码构建包。在

1B从源头建筑安装

Checkout vhh\u cmc存储库到指定文件夹：

• git克隆https://github.com/dahe-cvl/vhh_cmc

安装cmc软件包和所有依赖项：

• 更新pip和{}（使用pip==20.2.3和setuptools==50.3.0进行测试）
• {{cd6>{cd6}安装软件包
• 更改到存储库的根目录（包括设置.py)在
• python setup.py bdist_wheel
• 上面提到的命令应该创建一个包含轮子的/dist目录。使用python -m pip install dist/xxx.whl安装包

NOTE: You can check the success of the installation by using the commend pip list. This command should give you a list with all installed python packages and it should include vhh-cmc.

2个设置环境变量（可选）

• source/data/dhelm/python_virtenv/vhh_sbd_env/bin/activate
• 导出CUDA_VISIBLE_DEVICES=0
• export PYTHONPATH=$PYTHONPATH:/XXX/vhh_cmc/：/XXX/vhh_cmc/Develop/：/XXX/vhh_cmc/Demo/

3运行演示脚本（可选）

• 更改到存储库的根目录
• python演示/vhh_cmc_run_on_single_视频.py在

发布生成

• 创建并签出发布分支：（例如v1.1.0）：git checkout -b v1.1.0
• 更新中的版本号设置.py在
• 更新Sphinx文档和发布版本
• 确保pip和{}是最新的
• 安装wheel和twine
• 使用python setup.py sdist bdist_wheel生成源存档和已构建的分发
• 使用twine upload dist/*将包上载到PyPI

评估和结果

实验一： 最常见角度+随机特征+LK光流（pescoller）

	precision	recall	f1-score	support
na	0.00	0.00	0.00	0
pan	0.91	0.51	0.65	182
tilt	0.50	0.79	0.61	78

^{tb2}$

实验二： 最常见的角度+良好特性（Shi-Tomasi角）+LK光流（pescoller）

	precision	recall	f1-score	support
na	0.00	0.00	0.00	0
pan	0.93	0.64	0.76	182
tilt	0.69	0.77	0.73	78

accuracy			0.68	260
macro avg	0.54	0.47	0.50	260
weighted avg	0.86	0.68	0.75	260

实验三： 球体特征+BFmatcher

	precision	recall	f1-score	support
na	0.00	0.00	0.00	0
pan	1.00	0.75	0.86	182
tilt	0.73	0.99	0.84	78

accuracy			0.82	260
macro avg	0.58	0.58	0.56	260
weighted avg	0.92	0.82	0.85	260

实验四： 筛选特征+knmatcher

	precision	recall	f1-score	support
na	0.00	0.00	0.00	0
pan	1.00	0.75	0.86	182
tilt	0.79	1.00	0.88	78

accuracy			0.82	260
macro avg	0.60	0.59	0.58	260
weighted avg	0.94	0.83	0.87	260

实验五： 冲浪功能+knn匹配器

	precision	recall	f1-score	support
na	0.00	0.00	0.00	0
pan	1.00	0.74	0.85	182
tilt	0.80	1.00	0.89	78

accuracy			0.82	260
macro avg	0.60	0.58	0.58	260
weighted avg	0.94	0.82	0.86	260

实验五： 简要功能+knn匹配器

	precision	recall	f1-score	support
na	0.00	0.00	0.00	0
pan	0.97	0.73	0.83	182
tilt	0.75	0.94	0.83	78

accuracy			0.82	260
macro avg	0.57	0.55	0.55	260
weighted avg	0.91	0.79	0.83	260

实验10.7.2020

所有实验都采用sift特征+幅度优化

在################# TH=5

还没做完

在################# TH=3

	precision	recall	f1-score	support
na	0.00	0.00	0.00	0
pan	0.99	0.85	0.91	182
tilt	0.98	0.69	0.81	78

accuracy			0.80	260
macro avg	0.66	0.51	0.58	260
weighted avg	0.99	0.80	0.88	260

在################# TH=2

^{tb15}$

accuracy			0.93	260
macro avg	0.66	0.61	0.63	260
weighted avg	0.98	0.93	0.96	260

在################# TH=1

	precision	recall	f1-score	support
na	0.00	0.00	0.00	0
pan	0.98	0.99	0.99	182
tilt	0.99	0.90	0.94	78

accuracy			0.96	260
macro avg	0.66	0.63	0.64	260
weighted avg	0.98	0.96	0.97	260

完整数据集1213个样本（平移和倾斜）

ORB特征和TH=2

	precision	recall	f1-score	support
na	0.00	0.00	0.00	0
pan	0.99	0.94	0.96	859
tilt	0.87	0.96	0.91	354

accuracy			0.94	1213
macro avg	0.62	0.63	0.63	1213
weighted avg	0.95	0.94	0.95	1213

标签：

• 项目

欢迎加入QQ群-->： 979659372

推荐PyPI第三方库

• kotano

  哈塔诺宝贝

• pntools

  petri网与标号偏序工具

• easysched

  轻量级框架可以轻松地调度多个任务。

• QuerysetPaginator

  此包有助于对求值查询集分页。

• bees

  python包示例

• free

  把你自己从机长手中解放出来！

• Evennia-MUD-Server

  用于创建和运行现代在线多人文本游戏（mud、mux、mush等）的库

• odooku

  奥杜库

• odoo12-addon-partner-second-lastname

  将第一个和第二个姓氏分开

• fava

  会计工具beancount的web界面。

• pyappacitive

  appacitive的官方python sdk。

• pyuploadcare-sqlalchem

  与uploadcare服务集成的sqlalchemy的自定义字段类型。

• skater

  模型解释库

• unittest2six

  python 2和python 3上unittest2功能的元包

• aioapp-redis

  用于aioredis的aioapp适配器