감사드립니다. 그 후, 아마 불안정하기 때문에 그는 발견 된 지역 극한치의 일부를 버립니다. 이러한 불안정한 키포인트/기능 확인의 처리가 두 단계로 수행된다 : 낮은 대비를
- 거부 점 저조한 가장자리 지역화 점을 거절
- (그들이 한 방향으로 강한 에지 반응한다는 것을 의미 only)
이 단계를 수행하려면 먼저 Taylor 계열 확장을 사용하여 극한값의 실제 위치를 얻어야합니다. 이 두 단계를 해결하기위한 정보를 제공합니다.
최종 단계는
나뿐만 아니라이 알고리즘을 공부하는 과정에있어 그리고 난 그렇게 사소한 이해하고 찾을 수없는 ... 기술자를 구축하는 것입니다. Lowe의 논문에 포함되지 않은 몇 가지 세부 사항이 있으므로 그것이 이해하기 어렵게 만듭니다. 이 알고리즘을 더 깊이 설명 할 많은 추가 리소스를 찾지 못했지만 일부 오픈 소스 구현이 있으므로 이들을 사용할 수도 있습니다.
편집 : 자세한 내용은 :
종이 당신이 링크 된 그의 초기 작품이며, 일부 수정이 있기 때문에 당신은 종이의 최신 버전을 얻어야한다. 더 많은 자료 검색 나는 그의 특허도 읽었으며 이전 정보도 포함되어 있기 때문에 거기도 보지 말아야합니다.
그래서이 저울 공간 극한치 단계에 대한 나의 이해는 다음과 같습니다. 첫째, 우리는 가우시안 피라미드를 만들어야합니다. 페이퍼는 로컬 익스트림 완전성을 위해 s + 3 옥타브마다 가우시안 이미지를 구축해야한다고 말합니다. 로우 테스트에서는 = 3으로 가장 좋은 결과를 얻었습니다. 그래서 우리는 각각의 옥타브에서 5 개의 DoG 이미지를 얻는 6 개의 가우스 이미지를 가지고 있음을 의미합니다. 이 모든 DoG 이미지는 동일한 해상도를 갖습니다. 재 샘플링은 다음 옥타브로 넘어갈 때만 수행됩니다.
다음 단계는 로컬 극한치를 찾는 것입니다. Lowe는 26 개의 이웃을 검색 할 것을 제안합니다. 이는 두 번째 이미지에서 검색을 시작해야한다는 것을 의미합니다. 이는 이웃이 26 개의 이웃에 대한 첫 번째 이미지이기 때문입니다. 마찬가지로 우리는 네 번째 이미지에 대한 검색을 중지합니다. 이 과정은 각 옥타브마다 개별적으로 반복됩니다. 발견 된 극한치마다 적어도 그 위치와 규모를 저장해야합니다. 익스트림마가 다음 단계를 찾으면 Taylor 시리즈로 수행되는보다 정확한 현지화가 될 것입니다.
이이 단계의 작품과 내가 너무 멀리 진실 :
희망이 조금 더 도움에서 아니에요 희망하는 방법에 대한 이해이다.
출처
2010-05-06 13:59:51
Adi
당신이 읽은 종이는 어느 것입니까? –