图像匹配的superpoint算法训练

官方没有开源的训练代码，从github上找了野生的基于pytorch实现训练。

1.检测器magicpoint以及人工数据的生成

2.用magicpoint给自己的数据集打上伪标签

我没有训练magicpoint了，直接用已经训练好的预训练权重，在这里：

2.1 main

自己编写一个文件然后运行，内容如下下面

这是官方的说明：

其中
任务：export_detector_homoAdapt
配置文件： “configs/magicpoint_coco_export.yaml”
输出保存伪标签的文件夹：“magicpoint_synth_homoAdapt_uavtianda0002_train”

2.2 接下来我们看setting.py文件

DATA_PATH = 'zz_datasets' # path for datasets 也就是输入图片存放的位置
EXPER_PATH = 'zz_logs' # path for saving checkpoints 也就是输出图片存放的位置，伪标签也在。
SYN_TMPDIR = './zz_temp_datasets/'  # path for dumping synthetic data 没啥用
DEBUG = False # true: will make synthetic data only uses draw_checkboard and ignore other classes，
# DEBUG = False

前面提到的"magicpoint_synth_homoAdapt_uavtianda0002_train"也就是在’zz_logs’ 文件夹下，这个你可以自己命名

2.3然后看yaml配置文件

data:
    dataset: 'Coco'  # 'coco' 'hpatches'
    export_folder: 'val' # train, val  
    preprocessing