我了解Prosac算法是Ransac算法的修改版本，它根据数据点的质量进行采样。但是，我无法理解算法实现的细节。具体来说，我无法理解步骤1和步骤2中的两个“ if”。为什么它们在算法中意味着什么，它们的重要性是什么？
参考：
与PROSAC匹配-渐进式样本共识http://cmp.felk.cvut.cz/~matas/papers/chum-prosac-cvpr05.pdf
最佳答案
让我们从定义正在运行的变量开始。
变数
N：样本总数。
m：几何模型的复杂度。
t：循环的迭代次数。
n *：终止长度（停止前要考虑的样本数）。
TN：该参数定义了多少采样后PROSAC等效于RANSAC。
Tn：来自n个排名最高的点的平均样本数。
Tn'：Tn的最高值
第一部分
第一个if检查是否用尽了所有可能的样本（意味着您已经对Tn'个样本进行了采样）。因此，为避免再次采样已采样的样本，请增加考虑的点数。如果n
第二部分
对于第二个if，我们必须查看Tn'相对于t的行为。我们知道，当t = Tn'时，我们在考虑的点集中添加一个点。因此，Tn'将始终大于t，除非当我们无法采样更多点时，也就是n = n *（第一个if）。
当我们考虑n *个排名最高的点时，Tn'将停止增长，t最终将变得更大或等于Tn'。
因此，只要t不超过Tn'，我们将对PROSAC方式进行采样（从顶部n-1开始的点n和m-1点）。
当我们至少采样了Tn'次后，我们就像RANSAC一样，从排名最高的n *个点中采样m个点。
关于machine-learning - prosac算法的实现细节，意义和重要性，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46824405/