LIFT: Learned Invariant Feature Transform 源码跑通环境搭建（Ubuntu下cpu）

源码地址：https://github.com/cvlab-epfl/LIFT

我的环境：Ubuntu16.04下CPU

            python2.7+opencv3.2.0 

很多博主都要求python2.7，我在服务器上用的3.7的确实有问题，所以用了自己电脑上Ubuntu16.04自带的2.7版本

需要安装的python库：numpy，scipy，parse，h5py

conda安装一下(pip安装也可)，测试安装是否成功

conda install numpy
python 
import numpy

1.安装flufl.lock (2.4.1)

建议手动安装，不要用pip命令安装，包下载地址：https://pypi.python.org/pypi/flufl.lock/2.4.1

点击download files,然后点击文件就可以下载了，下载后解压安装

先解压
tar -zxvf flufl.lock-2.4.1.tar.gz
进入解压后的文件夹，如果你是服务器下的虚拟环境，不要加sudo,会报错
sudo python setup.py install

2.安装Lasagne (0.2.dev1)

包下载地址：https://github.com/Lasagne/Lasagne

可以像上面一样，也可以命令下载（注意是命令下载不是安装）

git clone https://github.com/Lasagne/Lasagne

解压，然后进入解压完的文件夹进行安装

sudo python setup.py install

3.安装theano-0.9.0

包地址：https://pypi.python.org/pypi/Theano/0.9.0rc1

解压安装，命令和上面一样

4.配置theano

虽然我的服务器上有GPU但是我没有配置好，所以我写下CPU的配置，我参考的这位仁兄，亲测有效https://blog.csdn.net/weixin_44457020/article/details/89469487

想要配置GPU的可以参考下这个：

https://blog.csdn.net/qq_36355662/article/details/80114260

（1）打开这个文件

sudo gedit ~/.theanorc

（2）在文档里写入

[global]
floatX = float32
device = cpu

（3）修改run.sh，最后一行那个地方变成0

#!/bin/bash

# ------------------------------------------------------------
# Example script for running LIFT

# Open MP Settings
export OMP_NUM_THREADS=1

# Cuda Settings
export CUDA_VISIBLE_DEVICES=0

# Theano Flags 
export THEANO_FLAGS="device=gpu0,${THEANO_FLAGS}"

# ------------------------------------------------------------
# LIFT code settings

# Number of keypoints
_LIFT_NUM_KEYPOINT=1000

# Whether to save debug image for keypoints
_LIFT_SAVE_PNG=1

# Whether the use Theano when keypoint testing. CuDNN is required when turned
# on
_LIFT_USE_THEANO=0      <<<<<<主要把它从1改成0

（4）修改compute_detector.py
         该文件在python-code文件夹里
         第245行

test_res_list += [np.pad(test_res,
                                 int((param.model.nFilterSize - 1) / 2),
                                 mode='edge')]    <<<<修改后使用的
                                 #mode='constant',    <<<<原代码使用的
                                 #constant_values=-np.inf)]   <<<<<<原代码使用的，会报错-np.inf

5.运行源码

（1）进入c-code文件夹下编译

cd build
cmake ..
make

（2）运行程序

cd LIFT-master
./run.sh

然后就开始训练了，提取到的特征点在result文件夹里，我不会放图就不放了