Примеры в контексте "Sift - Sift"

Примеры: Sift - Sift
A general theoretical explanation about this is given in the Scholarpedia article on SIFT. Общее теоретическое объяснение алгоритма дано в статье проекта Scholarpedia о SIFT.
There has been an extensive study done on the performance evaluation of different local descriptors, including SIFT, using a range of detectors. Проводились интенсивные исследования по оценке эффективности различных локальных дескрипторов, включая SIFT.
Other studies conclude that when speed is not critical, SIFT outperforms SURF. Другие исследования показали, что когда скорость не является критичным фактором, SIFT превосходит SURF.
This section summarizes the original SIFT algorithm and mentions a few competing techniques available for object recognition under clutter and partial occlusion. Эта секция описывает исходный алгоритм SIFT и упоминает несколько конкурирующих техник, доступных для распознавания объектов с шумом и с частичным перекрытием.
SIFT keypoints of objects are first extracted from a set of reference images and stored in a database. Сначала в SIFT извлекаются ключевые точки объектов из набора контрольных изображений и запоминаются в базе данных.
PCA-SIFT and GLOH are variants of SIFT. PCA-SIFT и GLOH являются вариантами SIFT.
But GLOH, PCA-SIFT and SIFT still performed better than the others. Но GLOH, PCA-SIFT и SIFT продолжают работать лучше, чем остальные.
We begin by detecting points of interest, which are termed keypoints in the SIFT framework. Мы начинаем с выявления точек, которые называются ключевыми точками в рамках SIFT.
In contrast to the classic SIFT approach, Wagner et al. use the FAST corner detector for feature detection. В отличие от классического подхода, SIFT Вагнер и др. используют алгоритм обнаружения углов FAST для обнаружения признаков.
KAZE and A-KAZE (KAZE Features and Accelerated-Kaze Features) is a new 2D feature detection and description method that perform better compared to SIFT and SURF. KAZE и A-KAZE (Признаки KAZE и Форсированные признаки Kaze) является новым методом 2D-обнаружения и описания признаков, который работает лучше, чем SIFT и SURF.
The SIFT key samples generated at the larger scale are given twice the weight of those at the smaller scale. Для SIFT ключей, сгенерированных с большим масштабом, придаётся удвоенный вес по сравнению с ключами для меньшего масштаба.
Each of the SIFT keypoints specifies 2D location, scale, and orientation, and each matched keypoint in the database has a record of its parameters relative to the training image in which it was found. Каждая из ключевых точек SIFT определяет 2D местоположение, масштаб и ориентацию и каждая ключевая точка в базе данных имеет запись с её параметрами, относящимися к тренировочному изображению, в котором она была найдена.
However, in practice SIFT detects and uses a much larger number of features from the images, which reduces the contribution of the errors caused by these local variations in the average error of all feature matching errors. Однако, на практике, SIFT обнаруживает и использует много большее число признаков изображений, что уменьшает вклад каждой ошибки, вызванной этими локальными изменениями в общей ошибке всех ошибок соответствия признаков.
The scale-invariant feature transform (SIFT) is a feature detection algorithm in computer vision to detect and describe local features in images. Масштабно-инвариантная трансформация признаков (англ. scale-invariant feature transform, SIFT) является алгоритмом выявления признаков в компьютерном зрении для выявления и описания локальных признаков в изображениях.
For scale changes in the range 2-2.5 and image rotations in the range 30 to 45 degrees, SIFT and SIFT-based descriptors again outperform other contemporary local descriptors with both textured and structured scene content. Для изменения масштаба в 2-2,5 раза и вращения образа в пределах от 30 до 45 градусов SIFT и основанные на SIFT дескрипторы снова превосходят другие современные локальные дескрипторы для текстурированных и структурных сцен.
Given SIFT's ability to find distinctive keypoints that are invariant to location, scale and rotation, and robust to affine transformations (changes in scale, rotation, shear, and position) and changes in illumination, they are usable for object recognition. Если имеется возможность системы SIFT нахождения различных ключевых точек, инвариантных по местоположению, масштабу и повороту и устойчивых к аффинным преобразованиям (изменения в масштабе, повороте, сдвиге и позиции) и изменения в освещении, они полезны для распознавания объектов.
The main results are summarized below: SIFT and SIFT-like GLOH features exhibit the highest matching accuracies (recall rates) for an affine transformation of 50 degrees. Основные результаты приведены ниже: SIFT и (похожие на SIFT) GLOH признаки (англ. Gradient Location and Orientation Histogram) показывают наивысшую точность соответствия для аффинного преобразования в 50 градусов.
For scale space extrema detection in the SIFT algorithm, the image is first convolved with Gaussian-blurs at different scales. Для определения экстремума в пространстве мастабирования в алгоритме SIFT изображение сначала свёртывается с размыванием по Гауссу в различных масштабах.
In addition, features are created from a fixed patch size of 15×15 pixels and form a SIFT descriptor with only 36 dimensions. Кроме того, признаки создаются только из фиксированных областей размером 15×15 пикселей и создаётся только 36-мерный SIFT дескриптор.
Since difference-of-Gaussians interest points constitute a numerical approximation of Laplacian of the Gaussian interest points, this shows that a substantial increase in matching performance is possible by replacing the difference-of-Gaussians interest points in SIFT by determinant of the Hessian interest points. Поскольку разность гауссианов особых точек предполагает численную аппроксимацию лапласиана гауссиана особых точек, это показывает, что возможно существенное увеличение производительности сопоставления путём замены разности гессианов особых точек в SIFT на определитель гессиана особых точек.
PCA-SIFT (Principal Components Analysis applied to SIFT descriptors), GLOH and SIFT features give the highest values. Признаки PCA-SIFT (Метод главных компонент, применённый к дескрипторам SIFT), GLOH и SIFT дают наивысшие значения.
SIFT can robustly identify objects even among clutter and under partial occlusion, because the SIFT feature descriptor is invariant to uniform scaling, orientation, illumination changes, and partially invariant to affine distortion. SIFT может надёжно выделить объекты даже при наличии шума и частичном перекрытии, поскольку описатель признака SIFT инвариантен пропорциональному масштабированию, ориентации, изменению освещённости и частично инвариантен аффинным искажениям.
Gauss-SIFT is a pure image descriptor defined by performing all image measurements underlying the pure image descriptor in SIFT by Gaussian derivative responses as opposed to derivative approximations in an image pyramid as done in regular SIFT. Gauss-SIFT является чистым дескриптором изображения, определённым путём осуществления измерения всех изображений лежащего в основе дескриптора SIFT с помощью производной гауссиана, а не аппроксимации производной в пирамиде изображений, как это делается в стандартном SIFT.
The computation of local position-dependent histograms in the 2D SIFT algorithm are extended from two to three dimensions to describe SIFT features in a spatio-temporal domain. Создание локальных зависящих от положения гистограмм в алгоритме 2D SIFT расширяется с двухмерного до трёхмерного, чтобы описать признаки SIFT пространственно-временной области.
Lowe's SIFT based object recognition gives excellent results except under wide illumination variations and under non-rigid transformations. Основанное на разработанном Лоу методе SIFT распознавание объекта даёт прекрасные результаты, за исключением случаев широкого разброса освещения и при не обладающих жёсткостью преобразованиях.