SIFT-trekkdeteksjon
SIFT (Scale-Invariant Feature Transform) er en metode for å detektere og beskrive distinkte lokale trekk i digitale bilder. SIFT ble introdusert av David Lowe i 1999 og trekker ut nøkkelpunkter som er invariante for endringer i skala, rotasjon og belysning, noe som gjør metoden svært robust for bildegjenkjenning og objekterkjennelse.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Scale-Invariant Feature Transform (SIFT) Detection. ScholarGate. https://scholargate.app/no/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.
- Harris Corner DetectionDatasyn↔ compare
- Morfologiske bildeoperasjonerDatasyn↔ compare
- ORB trekkbeskriverDatasyn↔ compare
- Skala-rom-teoriDatasyn↔ compare
- Mal-matchingDatasyn↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →