Machine learningFeature detection
SIFT特徴検出
SIFT（Scale-Invariant Feature Transform）は、デジタル画像内の特徴的な局所特徴を検出し記述するための手法である。1999年にDavid Loweによって導入されたSIFTは、スケール、回転、および照明の変化に対して不変なキーポイントを抽出し、画像マッチングや物体認識タスクに対して高い頑健性を提供する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Lowe, D. G. (2004). Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 60(2), 91–110. DOI: 10.1023/B:VISI.0000029664.99615.94 ↗
- Lowe, D. G. (1999). Object recognition from local scale-invariant features. International Conference on Computer Vision (ICCV), 1150–1157. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Scale-Invariant Feature Transform (SIFT) Detection. ScholarGate. https://scholargate.app/ja/computer-vision/sift-feature-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ハリスコーナー検出コンピュータビジョン↔ compare
- イメージ形態学演算コンピュータビジョン↔ compare
- ORB特徴記述子コンピュータビジョン↔ compare
- スケール空間理論コンピュータビジョン↔ compare
- テンプレートマッチングコンピュータビジョン↔ compare