BRIEF 알고리즘 의 설명자가 서로 어떻게 일치합니까?
다른 이미지에서 템플릿 이미지를 어떻게 찾습니까? 디스크립터를 어떻게 비교합니까? 나는 그 기사를 읽었지만 그들이 어떻게했는지 이해하지 못했다.
그들은 해밍 거리를 사용하여 설명자를 비교했다고 밝혔지만 조명, 크기 등의 변화에 어떻게 불변이 발생합니까?
BRIEF 알고리즘 의 설명자가 서로 어떻게 일치합니까?
다른 이미지에서 템플릿 이미지를 어떻게 찾습니까? 디스크립터를 어떻게 비교합니까? 나는 그 기사를 읽었지만 그들이 어떻게했는지 이해하지 못했다.
그들은 해밍 거리를 사용하여 설명자를 비교했다고 밝혔지만 조명, 크기 등의 변화에 어떻게 불변이 발생합니까?
답변:
우선,이 백서에는 '서식 파일'과 같은 것은 없습니다. '서식 파일'이라는 단어는 컴퓨터 비전에서 다른 의미를 갖습니다.
이 백서에서 사용 된 방법은 비교적 간단합니다. 내가 당신을 위해 그것을 분해하자. 로컬 기능을 사용하여 객체 인식, 이미지 일치, 이미지 스티칭 등의 작업을 수행 할 때 수행해야 할 중요한 세 가지 사항이 있습니다.
가장 중요한 것은 탐지입니다; 이 단계에서는 관심 지점 또는 키포인트를 감지하려고합니다. 즉, 이미지에서 흥미로운 것으로 생각되는 로컬 지점 (기본적으로 작은 패치)을 선택하려는 경우에는 여러 가지 방법이 있습니다. 이 논문은이 분야에 기여하지 않습니다. 그러나 그들은 SURF 기능 탐지기와 CenSurE 키 포인트를 사용하는 것 같습니다 (자세한 내용을 알고 싶다면 찾아 볼 수 있습니다. 그라데이션과 같은 기능을 사용한다는 점을 제외 하고는이 단계에 대해서는 이야기하지 않습니다. 사진이있는 경우 하늘 중앙의 점이 관심 지점으로 선택 될 가능성은 거의 없습니다. 해당 지점 주변의 픽셀이 모두 같은 강도이기 때문에 '바쁜'항목은 관심 지점으로 선택되는 경향이 있습니다. (예 : 테이블 / 건물 모서리 / 코너)).
감지가 완료되면 기능 설명다음과 같습니다. 이미지의 흥미로운 점을 알고 이제 설명하려고합니다 (기본적으로 흥미로운 점 주위의 점 / 패치를 설명하려고 함). SIFT는 널리 사용되는 기능 설명자입니다. 이 백서에서는 BRIEF라는 새로운 것을 제안합니다. BRIEF는 비교를 기반으로하므로 패치 (50 x 50 픽셀)가 있다고 가정하고 두 점을 선택하고 두 점의 강도를 비교합니다. 첫 번째 점이 두 번째 점보다 크면 ' 1 ', 그렇지 않으면'0 ', 우리는 여러 쌍에 대해 그것을 수행하고 부울 값의 문자열로 끝납니다. 이제 큰 문제는 '어떻게 한 쌍의 점을 선택합니까?'입니다. 논문에서 그들은 상대적으로 비슷한 5 가지 방법을 설명했습니다. 당신은 균일하게 (동일한 확률) -S / 2에서 S / 2까지의 점을 선택합니다. 이 예에서는 패치 크기가 50이므로 -25에서 25 사이의 점을 선택합니다. 0,0 좌표가 패치의 중심에 있다고 가정합니다. 여기 예가 있습니다.
첫 번째 쌍을 선택하고 각 점은 (X, Y) 좌표로 구성되어 있으므로 첫 번째 점의 X 좌표를 선택한 다음 첫 번째 점의 Y 좌표를 균일하게 선택합니다. (10, -1) 이제 두 번째 요점입니다. 두 번째 점의 X 좌표와 두 번째 점의 Y 좌표를 균일하게 선택하고 (-2,20)이라고 가정합니다. 이제 각 점의 강도 값을 얻고 어느 것이 더 큰 강도 값을 갖는지 확인합니다 -first가 더 크면 첫 번째 부울 값을 '1'로 지정하고 그렇지 않으면 '0'을 지정합니다. 우리는 많은 쌍을 위해 그것을하고, 부울 값으로 구성된 벡터로 끝납니다.
* 매우 중요한 점 : 이것이 작동하려면 임의 생성기보다 시드 값을 지정해야합니다. 그 의미는 각 패치에 대해 동일한 값을 선택한다는 것입니다. 패치를 비교 / 일치 할 때 전체 시스템이 동일한 방식으로 선택되지 않으면 전체 시스템이 손상되므로 매우 중요합니다. -일치 단계를 읽을 때 이것이 의미가 있습니다.
따라서 탐지기에 의해 탐지 된 각 관심 지점에 대해이 작업을 수행합니다. 각 관심 지점마다 부울 값으로 구성된 벡터를 얻게됩니다.
이제 두 이미지를 일치시키기 위해 ( 세 번째 단계; 일치 ) 다른 이미지에 대해 동일한 작업을 수행 한 다음 BRIEF를 사용하여 감지하고 설명합니다. 예를 들어 각 이미지에 10 개의 관심 지점이 있다고 가정합니다 (각 이미지에서 10 개의 가장 흥미로운 지점을 얻는 경우 항상 작동 할 수 있음). BRIEF를 사용하여 예를 들어 50 쌍을 사용하여 각 패치를 설명하므로 각 이미지는 50 개의 부울 값으로 구성된 10 개의 벡터
두 이미지를 비교하기 위해 첫 번째 이미지에서 두 번째 이미지의 서로 다른 벡터까지 각 벡터의 가장 가까운 이웃을 찾습니다. 우리는 매우 빠른 해밍 거리, 해밍 거리의 예를 사용합니다
해밍 거리 ((0, 1, 1), (0, 0, 0)) = 2
해밍 거리 ((0, 1, 1), (0, 1, 1)) = 0
해밍 거리 ((0, 1, 1), (1, 0, 0)) = 3
해밍 거리 ((0, 1, 1), (1, 1, 1)) = 1
기본적으로 얼마나 많은 잘못된 통신
희망이 도움이