擅长:python、mysql、java
<p>在这种情况下,有几种方法可以处理SIFT角点检测:</p>
<ol>
<li>每单位/次一核处理单个图像</li>
<li>在单核上每单位时间多处理2个或更多图像</li>
<li>在多个核心上每单位时间多处理2个或更多图像。在</li>
</ol>
<p>将核心读作cpu或gpu。线程化导致串行处理而不是并行处理。在</p>
<p>如前所述,Rebecca在她的个人电脑上至少有32gb的内存供她使用,这足以让选项1立即处理。在</p>
<p>所以从这个角度来看。。按照马丁的建议分割一幅图像。。。在我看来应该是最后的手段。在</p>
<blockquote>
<p><strong>Why</strong> should you avoid splitting a single image in multiple windows during feature detection (w/o running out of memory)?</p>
</blockquote>
<p><strong>回答:</strong></p>
<p>如果一个角点位于窗口的分离侧,因此不情愿地变成了两个多多少少的多边形直线形状,那么您将找不到您要寻找的角点,除非您有专门的算法来搜索这些异常。在</p>
<p><strong>偶然:</strong></p>
<p>在丽贝卡的情况下,关键是要知道她采取了哪种方法来处理图像。。。是一个、两个或更多的图像同时加载到内存中吗?在</p>
<p>如果成百上千的图像同时加载到内存中。。。你基本上是通过剥夺系统的呼吸空间(以自由内存的形式)来窒息系统。此外,我们并不是在讨论其他加载到内存中并为各种后台程序声明(保留)或消耗内存空间的程序。这是当前最重要的问题。在</p>
<p><strong>过度思考:</strong></p>
<p>如果像Martin建议的那样,Opencv库在处理Rebecca描述的大量图像时存在问题。。做一些调试,然后把你的发现报告给Opencv,在这里贴一个问题,就像她那样。。。但是post还显示了如何在开始时处理图像处理的代码;如上所述,这一点很重要。是的,正如马丁所说。。。不要贴包装纸。。。这样做完全没有意义。一个版本(参考)可能比一个更多的链接。。。或标记;-)</p>