エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
SIFT(Scale-Invariant Feature Transform)特徴量 - JEKUJI
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
SIFT(Scale-Invariant Feature Transform)特徴量 - JEKUJI
Loweという人がSchmidらの局所領域の特徴量記述の考え方を拡張し、画像のスケール変化・回転に不変な特... Loweという人がSchmidらの局所領域の特徴量記述の考え方を拡張し、画像のスケール変化・回転に不変な特徴量として提案。 SIFTの計算は次の2(4)ステップからなる。 1.detection 1-1.スケールとキーポイントの検出 1-2.キーポイントのローカライズ 2.description 2-1.オリエンテーションの算出 2-2.特徴量の記述 1-1ではDoG処理によりスケールスペースでの極値探索をし、キーポイント(この周りで特徴量を算出する)とスケールを決定する 1-2では1-1で見つけたキーポイントのうちDoG出力値の小さい値、エッジ部分など、ノイズや開口問題に影響を受けやすい点を除去する。 2-1ではキーポイントにおける方向(オリエンテーション)を算出する。この方向により、向きに関する正規化を行い、特徴量を回転不変にする。 2-2でキーポイントを2-1のオリエンテーション方向