Machine learningMulti-scale image analysis
ทฤษฎีปริภูมิสเกล
ทฤษฎีปริภูมิสเกล ซึ่งพัฒนาโดย Witkin และ Lindeberg นำเสนอโครงสร้างทางคณิตศาสตร์ที่มีหลักการสำหรับการวิเคราะห์ภาพที่หลายสเกลพร้อมกัน โดยการปฏิบัติต่อสเกลเป็นมิติที่ชัดเจนและการใช้การเบลอแบบเกาส์เซียน ทฤษฎีปริภูมิสเกลช่วยให้สามารถตรวจจับและวิเคราะห์คุณลักษณะที่สเกลที่เหมาะสม ซึ่งเป็นการแก้ปัญหาพื้นฐานของ 'ฉันควรวิเคราะห์ที่สเกลใด?'
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Lindeberg, T. (1994). Scale-space theory: A basic tool for analyzing structures at different scales. Journal of Applied Statistics, 21(2), 225–270. DOI: 10.1080/757582976 ↗
- Witkin, A. P. (1983). Scale-space filtering. Proceedings of the Eighth International Joint Conference on Artificial Intelligence (IJCAI), 1019–1022. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Scale-Space Theory and Multi-Scale Image Analysis. ScholarGate. https://scholargate.app/th/computer-vision/scale-space-theory
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.
- การตรวจจับก้อนการมองเห็นของคอมพิวเตอร์↔ compare
- การตรวจจับขอบแบบ Cannyการมองเห็นของคอมพิวเตอร์↔ compare
- การตรวจจับมุมฮาร์ริสการมองเห็นของคอมพิวเตอร์↔ compare
- ตัวอธิบายลักษณะเด่น ORBการมองเห็นของคอมพิวเตอร์↔ compare
- การตรวจจับลักษณะเด่น SIFTการมองเห็นของคอมพิวเตอร์↔ compare