第12名解决方案
致谢
首先，我要向所有主办方和Kaggle工作人员表示衷心的感谢，感谢他们组织如此有趣且富有挑战性的比赛！
概述
- 基本上，我采用了与Baseline相同的方法获取图像对，使用ALIKED进行关键点检测，并使用LightGlue作为匹配器。
- 在检测图像关键点时，我将图像划分为4个子图像[1]，并调整尺寸，以提升透明物体和非透明物体的验证分数（CV）和排行榜分数（LB）。
- 在进行关键点匹配时，对其中一张图像分别旋转0°、90°、180°、270°，并分别在4种划分中选取匹配点数量最多的配对。
- 针对4张图像之间的匹配，我对matcher_th和min_matches参数进行了调整，以提升透明物体和非透明物体的验证分数（CV）和排行榜分数（LB）。
流程
-
通过设定阈值=0.7来判断数据集是否为透明物体，使用所有图像的平均图像与每张图像的平均归一化相关系数。（该阈值在提供的实验数据中经过调整。）
-
将图像分割为4张子图，分别调整大小到适合透明物体(=1280)和非透明物体(=1600)的尺寸，然后进行关键点检测。
-
在旋转0°、90°、180°、270°的情况下，选取匹配点数量最多的组合。
-
关键点匹配的参数设置为：透明物体 matcher=0.27，min_matches=30；非透明物体 matcher=0.7，min_matches=28。
