Gibt es für die skaleninvariante Merkmalsextraktion schnelle Alternativen zu SURF und SIFT?

SURFEN ist patentiert, so wie Sie ist SIEBEN. ORB und KURZE sind nicht patentiert, aber Ihre Funktionen sind nicht skalierungsinvariant, ernsthaft begrenzen Ihre Nützlichkeit in komplexen Szenarien.

Gibt es irgendwelche feature-Extraktoren, zu extrahieren, können scale-invariant features so schnell wie SURFEN und sind nicht so streng patentiert als SURF und SIFT?

Kommentar zu dem Problem - Öffnen
Gefragt, dsp als gut. Kommentarautor: Maurits

InformationsquelleAutor der Frage Diego | 2012-04-14

  1. 29

    Obwohl Sie bereits entscheiden, REGE, finden Sie vielleicht FREAK interessant. Autor behauptet, haben bessere Ergebnisse als FLOTTER und ORB. Ich sollte auch hinzufügen, dass die ORB - ist scale-invariant, aber hat einige Probleme in diesem Bereich. Also ich würde noch empfehlen es für jemanden, es zu versuchen.

    Den FREAK-source-code ist kompatibel mit OpenCV (wie einfach es ist, miteinander zu verschmelzen weiß ich nicht) und der Autor arbeitet auf Absenden, um die OpenCV-Projekt.

    EDIT:

    FREAK ist jetzt Teil der opencv-Funktion Detektoren /Deskriptoren.

    Du Lesen Sie hier mehr über die Unterschiede zwischen mehreren feature-Detektoren/- Abzieher, und auch eine Reihe von benchmarks umfasst FREAK und andere beliebtesten.

    InformationsquelleAutor der Antwort Rui Marques

  2. 11

    FREAK soll die Schnellste Skalierung und rotation invariant descriptor extractor, es ist open-source - und Sie können es leicht verwenden, wie es umgesetzt wird in OpenCV. Sie müssen eine binäre matcher verwendet die Hamming-Distanz, wie die BruteForceMatcher.

    Hier haben Sie ein Beispiel auf, wie es zu benutzen, einfach replaceble von SIFT-Deskriptor.

    InformationsquelleAutor der Antwort Jav_Rock

  3. 8

    Landete ich mit Flotter, das ist ein feature-Detektor mit einer Leistung, die vergleichbar zu SURFEN, sondern unter der BSD-Lizenz. Plus, hat es eine sehr schöne open-source-C++ - Implementierung, die Stecker einfach auf die OpenCV-FeatureDetector Rahmen, so wie es 2 Zeilen entscheiden sich Rege über SURFEN in Ihrem code.

    InformationsquelleAutor der Antwort Diego

  4. 6

    Könnten Sie versuchen,multi-scale histogram of oriented gradients. Es wird nicht vollständig scale-invariant, aber wenn die Daten gezwungen sind, mit einem angemessenen Satz der Skala Grenzwerte (oft der Fall in der Praxis), dann kann dies wahrscheinlich für Sie arbeiten.

    Anderen Ansatz, abhängig zu sein, was Ihre Anwendung bestimmt ist, wäre zu nutzen poselets, auch wenn Sie auf eine nicht-scale-invariant-Deskriptor, wie schlichte Histogramm der orientierten Gradienten, oder das Aussehen der Modelle. Wenn die Anmerkungen, die in den Trainingsdaten enthalten Beispiele der verschiedenen Elemente für die Erkennung alle auf verschiedenen Ebenen, dann ist die Prokrustes-Stil Abstand in Poselets für die Ausbildung sollte darauf achten, von viel des scale-Invarianz. Dies kann nicht befriedigend sein, wenn Ihre primäre Anwendung nicht lokalisiert Erkennung von teilen.

    Als ein beiseite, ich denke, es ist eher bedauerlich, dass SIFT und SURF waren in der Lage auf diese Weise patentiert, da waren Sie (zumindest zum Teil) finanziert, die mit Steuerzahler-Dollar durch Zuschüsse.

    InformationsquelleAutor der Antwort ely

  5. 3

    FREAK ist jetzt in OpenCV 2.4.2, können Sie es einfach 🙂

    InformationsquelleAutor der Antwort Kikohs

  6. 3

    Können Sie versuchen, KAZE, es soll schneller und präziser (die videos scheinen Phantasie, aber ich habe nicht bekommen, um zu versuchen, es selbst noch nicht). Es gibt auch eine beschleunigte version verfügbar.

    Pablo F. Alcantarilla, Adrien Bartoli und Andrew J. Davison, "KAZE Features", In European Conference on Computer Vision (ECCV). Fiorenze*, Italien. Oktober 2012.

    Pablo F. Alcantarilla, Jesús Nuevo und Adrien Bartoli, "Schnelle Explizite Diffusion Beschleunigte Funktionen in nicht-linearen Skala Räume", In British Machine Vision Conference (BMVC). Bristol, UK. September 2013

    Des source-codes, videos und mehr finden Sie auf der Autor der website.

    *Firenze

    InformationsquelleAutor der Antwort the swine

  7. 0

    Erkennung von landmark-Punkte und finden der hog-Funktionen(es ist nicht patentiert ) durch die Bildung von Flecken rund um Wahrzeichen Punkte .

    InformationsquelleAutor der Antwort Bibhu Pala

Schreibe einen Kommentar