Detecção de Características SIFT
SIFT (Scale-Invariant Feature Transform) é um método para detectar e descrever características locais distintas em imagens digitais. Introduzido por David Lowe em 1999, o SIFT extrai pontos de interesse (keypoints) que permanecem invariantes a mudanças de escala, rotação e iluminação, tornando-o altamente robusto para tarefas de correspondência de imagens e reconhecimento de objetos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Scale-Invariant Feature Transform (SIFT) Detection. ScholarGate. https://scholargate.app/pt/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.
- Deteção de Cantos de HarrisVisão computacional↔ compare
- Operações Morfológicas de ImagemVisão computacional↔ compare
- Descritor de Características ORBVisão computacional↔ compare
- Teoria do Espaço-EscalaVisão computacional↔ compare
- Correspondência de ModelosVisão computacional↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →