物体認識のための局所特徴量 SIFTと最近のアプローチ
物体認識のための局所特徴量 SIFTと最近のアプローチ http://www.vision.cs.chubu.ac.jp/SIFT/ 藤吉 弘亘 中部大学工学部情報工学科 概要 1. SIFT(Scale-Invariant Feature Transform) 2. SIFTアプローチの高精度化 - PCA-SIFT - GLOH(Gradient Location and Orientation) 3. SIFTアプローチの高速化 - SURF(Speeded Up Robust Features) 4. 学習を用いた高速化 - Randomized Trees 5. SIFTと一般物体認識(画像分類) 1. SIFT(Scale-Invariant Feature Transform) ステレオ画像 Related Work 回転・スケール変化 照明変化等に頑健 特徴点検出 スケー
SIFT特徴点の調査 - nikq::cube
SIFT(Scale Invariant Feature Transform)特徴点について調べた． SIFT特徴点はHarrisオペレータに似ているが， 線形変換を行われてもマッチングができるという特徴を持つ. "Distinctive image features from scale-invariant keypoints",David Lowe 具体的には， MRA:Multi-resolution analysis(多重解像度分析)と DOG:Difference of GaussianDOG(ガウシアン微分)を行って， さらに特徴量をベクトルで表すことで， アフィン変換に対して強い耐性を持たせているようだ． その特性を生かして，パノラマ画像の自動合成などにも利用されている． autopano-SIFTなど． ただ，autopano-SIFTはマッチングまでしか行ってくれないので
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
