本文共 823 字，大约阅读时间需要 2 分钟。

WideBaselineFeatureMatcher

[1] CODE: Coherence Based Decision Boundaries for Feature Correspondence, IEEE TPAMI,2016, Lin et. al.

[2] RepMatch: Robust Feature Matching and Pose for Reconstructing Modern Cities, ECCV, 2016,, Lin et. al.

刚开始以为是高斯混合回归：

Feature Guided Biased Gaussian Mixture Model for image matching

 

这是期望最大化（EM）算法的实现，用于使用Python 3中的高斯混合模型（GMM）进行聚类

后来发现不是。。。。

 

回归的最大似然估计

Generalized Huber Regression

用于机器学习的高斯过程库

 

 

是线性回归+Huber loss + 谱聚类的那种高斯相似矩阵

具体如下：

Huber loss

鲁棒学习：L1约束的Huber损失最小化

 Huber损失最小化学习和高斯核模型 的Huber损失最小化，竞赛用到过，效果不错

Matlab代码：

Huber Loss

线性拟合——从最大似然估计到平方误差到huber loss

谱聚类（spectral clustering）原理总结

第三种定义：

项目笔记（四） 实验——通过对midi自相似矩阵的高斯核对角卷积分割乐段

聚类 -- 数据挖掘

MSE, MAE, Huber loss详解

决策树（十）--GBDT及OpenCV源码分析

统计中，Huber损失函数的参数是怎么确定的？

Likelihood Regression

Affine motion regression -> x

Affine motion regression -> y

 

转载地址：http://aegof.baihongyu.com/