SIFT加速/替换

顺丰工作

1、目标

对python下的opencv中的sift操作模块寻找更快的实现。

2、尝试1：silx

参考：
https://github.com/silx-kit/silx

这个应该是尝试最深的一种，但是在运行它给的例子的时候，出现了以下错误：

AttributeError: 'NoneType' object has no attribute 'create_context'

在参考：https://github.com/silx-kit/silx/issues/1279
解决的时候，发现答主说是缺少驱动…然而不知道怎么安装opencl所需要的驱动。

另外，问题提出人也并没有走安装驱动的方式解决问题，他貌似后来是换了个机子……

2、尝试2：PCA/SVD降维

参考：
https://blog.csdn.net/yhyhbo/article/details/54620178

严格来说，这个不是针对SIFT操作的提速，而是SIFT提取特征后，需要用knn进行匹配，而此时若是能够对输入KNN的矩阵做一个降维，速度想必能够提升很多。

原来输入KNNMatcher的特征点矩阵大概是[6350,128],即每个特征点用128维向量表示。

我尝试使用SVD降维至32维后，速度并没有明显提升…算球。

3、尝试3：python调用C++

准确的说还没尝试…感觉是个大坑= -

这个是CUDA实现的sift，维护的很勤快，应该能用：
https://github.com/Celebrandil/CudaSift

python调用c++网上很多方法，可以试试：
https://segmentfault.com/a/1190000012730513

4、尝试4：numpy_sift

https://github.com/ducha-aiki/numpy-sift/blob/master/example.ipynb

这个我试了下…貌似只能用65size的，不知道是我没用对还是怎么着= -

4、已经失败的方法

SURF和ORB，检测到的点都太少，无法满足匹配要求。