SIFT iezīmju noteikšana
SIFT (Scale-Invariant Feature Transform) ir metode atšķirīgu lokālu iezīmju noteikšanai un aprakstīšanai digitālos attēlos. Deivida Loa 1999. gadā ieviestais SIFT algoritms ekstrahē atslēgpunktus, kas ir nemainīgi pret mēroga, rotācijas un apgaismojuma izmaiņām, padarot to ļoti noturīgu attēlu saskaņošanas un objektu atpazīšanas uzdevumos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Scale-Invariant Feature Transform (SIFT) Detection. ScholarGate. https://scholargate.app/lv/computer-vision/sift-feature-detection
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Harisa stūru detektorsDatorredze↔ salīdzināt
- Morfoloģiskie attēlu apstrādes paņēmieniDatorredze↔ salīdzināt
- ORB pazīmju deskriptorsDatorredze↔ salīdzināt
- Mērogu telpas teorijaDatorredze↔ salīdzināt
- Attēla atpazīšanas metodeDatorredze↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →