18. SIFT特徴量とSURF特徴量の違い
1. 特徴点検出
2. 特徴量生成
1. 特徴点検出
スケールと特徴点検出
SURFではこの部分の処理が軽量化されている
Gaussianのテイラー展開二次項である上記の左
二つの代わりに、もっと簡単な右二つを使う。
その代わり認識精度はSIFTのほうがよい
SIFTの特許は発明者である David Loweが所有
SURFの特許は?
SIFT = Scale-Invariant Feature Transform
SURF = Speeded Up Robust Features
19. Bag of features(Bag of keypoints)の紹介
一般物体認識で用いられる方法。2004。
複数枚の画像から抽出された特徴量群をクラスタリングし、各物体に
割り当てられたクラスタを調べることで、別の画像にどのような物体が
どこにあるかを判断する。
LBGアルゴリズムではクラスタリングにk-meansを使う。
20. Bag of features(Bag of keypoints)の紹介
Bag of Words:単語頻度情報
ある単語と文章の関連度を測るために使う一つの方法
文章を単語の集合とみなす
単に頻度情報のみで順番は考えない
例:TD-IDF
Bag of Features は Bag of Words の画像版
画像(文章)を特徴点集合(単語)の集合とみなし、
特徴点集合(単語)の出現頻度を使う
画像から「自転車」「自動車」などを表す特徴点集合の集合を取得し、
これらを教師データとして学習して画像内のどこに何があるかを判別
する
21. 参考文献
SIFT
http://www.vision.ee.ethz.ch/~surf/
SURF
http://www.vision.cs.chubu.ac.jp/SIFT/PDF/sift_tutorial.pdf
Bag of Features(Bag of Keypoints)
http://www.citeulike.org/user/GernotMargreitner/article/581127