일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 케라스 정리
- 모두의 딥러닝 예제
- pytorch zero to all
- 파이토치 강의 정리
- 컴퓨터 비전
- 파이토치 김성훈 교수님 강의 정리
- c언어
- 파이토치
- 김성훈 교수님 PyTorch
- 딥러닝 공부
- object detection
- 모두의 딥러닝
- 가우시안 필터링
- 영상처리
- 팀프로젝트
- Pytorch Lecture
- 골빈해커
- TensorFlow
- matlab 영상처리
- C언어 공부
- 미디언 필터링
- pytorch
- 딥러닝
- c++공부
- tensorflow 예제
- 딥러닝 스터디
- c언어 정리
- c++
- MFC 프로그래밍
- 해리스 코너 검출
Archives
- Today
- Total
목록영상 특징점 추출 (1)
ComputerVision Jack
[컴퓨터 비전 - 지역 특징점 검출과 매칭2]
크기 불변 특징점 검출과 기술 코너는 회전 불변 특징점이다. 하지만 영상의 크기가 변경되는 과정에 있어서 코너가 아닐 수 도 있다. 위 그림을 통하여 크기가 다른 두 객체 영상을 코너 점을 이용하여 같은 위치를 판별하는 것에는 한계가 있다. SFIT(Scale Invariant Feature Transform) 알고리즘 영상의 크기 변화에 무관하게 특징점을 추출하기 위해 입력 영상으로부터 스케일 스페이스(Scale space)를 구성한다. 스케일 스페이스는 다양한 표준편차를 이용한 가우시안 블러링을 적용하여 구성한 영상 집합이다. 한줄의 영상을 옥타브(octave)라고 부른다. 입력 영상의 크기를 가로, 세로 반으로 줄여가며 여러 옥타브를 구성한다. SIFT알고리즘에서 크기에 불변한 특징점을 검출할 때,..
Image Processing/Computer Vision
2020. 2. 7. 16:24