Ist sift eine gute Möglichkeit, Features aus einem Bild zu extrahieren?

  • Ich versuche, Features aus einem Bild zu extrahieren, aber ich habe nicht die Punkte ermittelt, die ich extrahieren möchte. Daher stimmt mein Bild nicht mit der Vorlage überein.

    Gibt es Kontrollpunkte, die ich durchgehen muss, bevor Sie SIFT auf mein Bild anwenden, um gute Ergebnisse zu erzielen? Zum Beispiel ist das Vorlagenbild ein Zielbild; Ist sift eine gute Möglichkeit, Features aus einem Bild zu extrahieren?

    ; Ist sift eine gute Möglichkeit, Features aus einem Bild zu extrahieren?

    23 May 2012
    KT Harris
2 answers
  • Wenn Sie eine Vorlage mit sift einem Bild zuordnen möchten, führen Sie sift gegen Ihre Vorlage aus und suchen dann nach den sift-Merkmalen in dieser Anordnung in Ihrer Szene.

    Faustregel: Vergleiche gerne mit Gleichem.

    Sichten (Vorlage) innerhalb von Sift (Bild)

    Sie können Sift nicht abstimmen, um die gewünschten Funktionen zu extrahieren. Sift * verwendet invariante Kennzahlen, um Funktionen zu finden, die seiner Ansicht nach am auffälligsten sind. (* Chris A)

    Wenn Sie bestimmte Features aus Ihrer Vorlage finden möchten, erstellen Sie kleinere Vorlagen dieser Features und suchen Sie danach.

    Nur ein Vorschlag. Ich weiß nicht genau, welche Art von Vorlage Sie an welche Art von Szene oder Bild anpassen möchten.

    22 May 2012
    Terry Bochaton
  • Auf früheren Antworten aufbauen:

    (1) Sie können SIFT (oder eine andere verbesserte Variante dieses lokalen Patchdeskriptors) mit dichter Abtastung anstelle von verwenden eingebauter Detektor. Sie können die Größe des lokalen Patches und die Sampling-Dichte entsprechend Ihren Anforderungen an Leistung und Berechnungskosten auswählen.

    (2) SIFT ist ein affiner invarianter Deskriptor für ein breites Basis-Stereo-Matching . Dies bedeutet, dass SIFT gut funktioniert, wenn Sie ein Bild aufnehmen und eine affine Transformation dazu herbeiführen, wobei die 'Vorlage' im Zielbild vorhanden sein muss, wenn auch mit Transformationen.

    Vorschläge: (a) Erstellen Sie (falls möglich) eine Datenbank mit Vorlagenbildern, um Ihre Erkennungsmöglichkeiten zu verbessern.

    (b) Sie können ein BoW-Modell als Baseline verwenden, wenn Sie möchten um einen CBIR-Ansatz für Ihre Aufgabe zu übernehmen.

    (c) Schneiden Sie Ihr Vorlagenbild nur auf den relevanten Teil zu und verwenden Sie ein sehr dichtes SIFT. http://www.vlfeat.org/overview/dsift.html

    (4) Später möchten Sie vielleicht einen Deskriptor mit mehreren Skalen wie PHOG (Pyramidales Histogramm der Gradienten) usw. ausprobieren, der die Ergebnisse möglicherweise verbessern kann. http://www.vlfeat.org/overview/dsift.html#tut.dsift.phow

    14 July 2014
    Dynamic Stardust