Trasformazione di feature invarianti di scala: Svelare il potere della trasformazione delle caratteristiche invarianti su scala nella visione artificiale

SIFT, che sta per trasformazione di caratteristiche invarianti di scala, è un metodo per la visione artificiale sviluppato da David Lowe nel 1999. lo scopo è identificare, descrivere e coincidere con le caratteristiche locali nelle immagini. Riconoscimento di oggetti, mappatura e navigazione robotica, unione di immagini, modellazione tridimensionale, riconoscimento di gesti, tracciamento video, identificazione individuale di animali selvatici e spostamento di partite sono alcune delle applicazioni che possono essere utilizzate.

Come trarrai vantaggio

(I) Approfondimenti e convalide sui seguenti argomenti:

Capitolo 1: Trasformazione di funzionalità invarianti di scala

Capitolo 2: Rilevamento dei bordi

Capitolo 3: Scala dello spazio

Capitolo 4: Sfocatura gaussiana

Capitolo 5: Funzionalità (visione computerizzata)

Capitolo 6: Rilevamento degli angoli

Capitolo 7: Adattamento della forma affine

Capitolo 8: Rilevatore di regioni affini dell'Assia

Capitolo 9: Rilevatore di regioni basate sulla curvatura principale

Capitolo 10: Orientato FAST e ruotato BRIEF

(II) Rispondere alle principali domande del pubblico sulla trasformazione delle caratteristiche invarianti di scala.

(III) Esempi reali di utilizzo di trasformazione delle caratteristiche invarianti di scala in molti campi.

A chi è rivolto questo libro

Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano per andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di trasformazione di caratteristiche invarianti di scala.