Deep Local Feature 文章 & 数据收集
在 SLAM 中 Local Feature 的提取和匹配是一个比较重要的内容，近些年有很多相关的使用 Deep Learning 学习局部描述子的工作，这里做一下相关文章和代码收集。后续如有精力会进行速度和性能比较。
文章收集
数据收集...
Tensorflow C++ 从训练到部署(3)：使用 Keras 训练和部署 CNN
在上一篇文章中我们并没有去训练一个真正的网络和解决一个实际问题，我们所做的是构建了一个 c = a * b 的计算图，并用 python 进行了保存和 c++ 进行了读取，这一保存和读取中也仅包含图的结构并没有相关参数。本篇文章中我们进一步以 Tensorflow 官方的 Fashion MNIST 为例，完成一个简单的分类问题。本文前面 Keras 训练模型以及转化到 Tensorflow 格式部分与之前一篇博客（Keras 转换成 Tensorflow 模型格式并使用）基本一致。本文主要包含：
1）Python：Fashion MNIST 数据集
2）Python：使用...
Keras 转换成 Tensorflow 模型格式并使用
Tensorflow 官方已经集成了 Keras 作为自己推荐的 High-Level API，Keras 的确使用非常方便，而且代码美观简洁，不像 Tensorflow 那样有很多形式化的代码。对于我们进行快速原型和实验是非常有帮助的。然而在一些场合我们可能需要混合使用 Keras 和 Tensorflow 定义模型或者保存模型的操作，这时就需要一些转换了。
系统环境
Ubuntu 16.04
Tensorflow 1.10.1 （内置：Keras 2.1.6-tf）
1、Fashion MNIST 数据集
1）数据简介
Fashion-MNIST [1] 是一个替代MNIST手写数字集的图像数据集。 它是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。60000/10000的训练测试数据划分，28x28的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码 [11]。
典型的 Fashion-MNITST 数据是这样的，其中每三行表示一个类别：
Fashion-MNIST...