Обсуждение:Обнаружение пятен

Эта статья имеет рейтинг Start-class по шкале оценки контента Википедии . Она представляет интерес для следующих WikiProjects :

Компьютерное зрение средней важности Эта статья находится в рамках WikiProject Computer Vision , совместных усилий по улучшению освещения Computer Vision в Wikipedia. Если вы хотите принять участие, посетите страницу проекта, где вы можете присоединиться к обсуждению и увидеть список открытых задач.Компьютерное зрение Википедия:WikiProject Компьютерное зрение Шаблон:WikiProject Компьютерное зрение Компьютерное зрение Середина Данная статья имеет среднюю степень важности по шкале важности . Робототехника средней важности Эта статья находится в рамках WikiProject Robotics , совместных усилий по улучшению освещения Robotics в Wikipedia. Если вы хотите принять участие, посетите страницу проекта, где вы можете присоединиться к обсуждению и увидеть список открытых задач.Робототехника Википедия: WikiProject Робототехника Шаблон: WikiProject Робототехника Робототехника Середина Данная статья имеет среднюю степень важности по шкале важности проекта . Информатика Средняя важность Эта статья находится в рамках WikiProject Computer science , совместных усилий по улучшению охвата статей, связанных с Computer science, в Wikipedia. Если вы хотите принять участие, посетите страницу проекта, где вы можете присоединиться к обсуждению и увидеть список открытых задач.Информатика Wikipedia:WikiProject Информатика Шаблон:WikiProject Информатика Информатика Середина Данная статья имеет среднюю степень важности по шкале важности проекта . Чем вы можете помочь WikiProject Computer science : Вот некоторые задачи, ожидающие внимания: Запросы статей  : Запрошенные статьи/Прикладные искусства и науки/Информатика, вычисления и Интернет Очистка  : Статьи по информатике, требующие внимания Статьи по информатике, требующие внимания экспертов Копирование  : Вычислительная техника Расширять  : Информатика Информационное поле  : Статьи по информатике без информационных блоков Поддерживать  : Хронология вычислений с 2020 г. по настоящее время Фото  : Find pictures for the biographies of computer scientists (see List of computer scientists) Computing articles needing images Stubs : Computer science stubs Unreferenced : WikiProject Computer science/Unreferenced BLPs Project-related : Tag all relevant articles in Category:Computer science and sub-categories with {{WikiProject Computer science}}

This article may be too technical for most readers to understand. Please help improve it to make it understandable to non-experts, without removing the technical details. (September 2010) (Learn how and when to remove this message)

В этой статье не дается формального/неформального/интуитивного определения того, что такое «блоб». В настоящее время блобом может быть все, что обнаруживается любым из соответствующих методов. Это, конечно, правильно с практической точки зрения, но несколько неудовлетворительно с концептуальной/теоретической точки зрения. Я предполагаю, что изобретатели этих методов изначально имели некоторое представление о том, что они хотели обнаружить, прежде чем они пошли дальше и сконструировали конкретный детектор. Это означает, что должен быть вводный раздел о том, что такое блоб.

Также должен быть раздел о применении блобов. В противном случае нет смысла использовать детекторы блобов.

Если расширить эту статью предложенным способом, сделав обнаружение пятен только одним из аспектов, то представляется целесообразным переименовать ее в «Пятерка (компьютерное зрение)».

-- KYN 22:06, 17 сентября 2006 (UTC) [ ответить ]

Вопреки предложению, я НЕ думаю, что было бы хорошей идеей переименовать эту статью в "Blob (computer vision)". Терминология "blob detection" хорошо устоялась в области компьютерного зрения, и статья дает обзор основных подходов к обнаружению blob, как они используются сегодня. Терминология "blob detection" также находится в близкой аналогии с терминологией " edge detection ", для которой также есть хорошая статья.

Да, "обнаружение пятен" явно хорошо известно. Кроме того, в текущем состоянии у меня нет проблем с текущим заголовком. Однако я надеялся, что смогу подправить эту статью в направлении предоставления общего обзора пятен в целом, а не обнаружения пятен в частности. По моему мнению, концепция пятен так же интересна, как и длинный список методов их обнаружения. -- KYN 20:03, 18 сентября 2006 (UTC) [ ответить ]

Я не согласен с ранее представленным аргументом на странице обсуждения обнаружения углов , в котором утверждается, что статья Feature (Computer vision) должна служить моделью для статей об обнаружении углов и обнаружении пятен. С моей точки зрения статья Feature (Computer vision) слишком абстрактна и совершенно бесполезна для незнакомых читателей. Даже для знакомых читателей (к которым я отношу себя) существуют существенные проблемы, чтобы оценить ценность этой статьи. Tpl 15:29, 19 сентября 2006 (UTC) [ ответить ]

Я никогда не утверждал, что Feature (Computer vision) должен служить моделью для статей по обнаружению углов и обнаружению пятен. Я просто указал на то, что он существует, а также на то, что, как вы также заметили, он требует дополнительной работы. Ранее он был в категории для заглушек computer vision, но позже каким-то образом удален, и в настоящее время находится там в пустоте. Если он вам не нравится, измените его. -- KYN 20:03, 18 сентября 2006 (UTC) [ ответить ]

Теперь статья о Feature (Computer vision) была переписана Serviscope Minor. Я думаю, что теперь она намного лучше. Tpl 15:29, 19 сентября 2006 (UTC) [ ответить ]

Я также считаю неправильным утверждение, что эта статья об обнаружении пятен не дает формального/неформального/интуитивного определения того, что такое «пятно». В статье говорится, что пятно — это точка или область, которая либо ярче, либо темнее фона, и что существует два основных класса детекторов пятен: дифференциальные детекторы пятен и детекторы пятен на основе экстремума: Для класса дифференциальных детекторов пятен подробно описаны три рабочих детектора пятен: (i) масштабно-пространственные экстремумы нормализованного оператора Лапласа, (ii) масштабно-пространственные экстремумы определителя гессиана и (iii) масштабно-пространственные экстремумы разности гауссианов. Для каждого из этих понятий пятна дано точное и полностью рабочее дифференциально-геометрическое определение, которое напрямую приводит к эффективным и надежным алгоритмам обнаружения пятен. Что касается методов, основанных на экстремумах, я согласен, что было бы полезно более подробное описание в статье понятий серых пятен и максимально устойчивых экстремальных областей.

Определение «точка или область, которая либо ярче, либо темнее фона», возможно, уместно, но не отражает идею в полной мере. Существует несколько способов использования пятен:

• Небольшая область, которая либо ярче, либо темнее фона. В типичном случае оператор на основе Лапласа может найти центр этой области. В результате мы получаем точку. Точка описывает местоположение пятна. Я бы назвал это точкой интереса, но она основана на характеристике пятна на изображении.
• Небольшая область, определяемая любыми особенностями изображения, которую мы хотим охарактеризовать не только по ее местоположению, обычно путем добавления информации о площади или матрицы моментов второго порядка. Например, в некоторых случаях мы не можем выполнить точные измерения местоположения точки и вместо этого описываем ее местоположение в терминах пятна. Кроме того, если пятно немного больше, чем мало, может быть более релевантным обнаружить его, сначала найдя его край (обычно выглядящий как круг), а затем обнаружить круг по его характерному шаблону ориентации. Этот подход подходит для обнаружения клеток на микроскопических изображениях. В результате мы получаем пятно (небольшой набор точек), расположенное на каждой клетке. Затем каждое пятно может быть дополнительно обработано для проверки/опровержения гипотезы о клетке.
• Я также заметил, что Пер-Эрик Форссен использует идею пятен в своей диссертации. Здесь пятна определяются как представление общих сегментов, сжатых в параметры, которые описывают их моменты первого и второго порядка. Кроме того, соответствующие сегменты определяются посредством общих признаков (хотя цвет является основным признаком), которые согласованы в масштабе.

Написав это, я не имею в виду, что у меня есть более общее определение, я просто надеялся, что такое определение может быть достигнуто. -- KYN 20:03, 18 сентября 2006 (UTC) [ ответить ]

При обнаружении пятен (или углов) с автоматическим выбором масштаба каждая особенность пятна (или угла) получает атрибут масштаба, который в свою очередь подразумевает область. В этом отношении особенности пятна (и угловые особенности) с дополнительными атрибутами масштаба удовлетворяют как требованиям точек интереса, так и областям интереса. Я согласен, что дескрипторы пятен можно получить и другими способами, такими как обнаружение краев (для особенно простых изображений, где можно ожидать почти соединенных и замкнутых краев) или различные типы подходов к сегментации. Однако полученные методы не будут упоминаться или включаться в традиционное понятие обнаружения пятен. Tpl 15:29, 19 сентября 2006 (UTC) [ ответить ]

Однако такое описание требует использования рисунков, для которых я не смог найти удовлетворительного решения в терминах открытых изображений без авторских прав. Если кто-то сможет создать эти рисунки, я был бы готов дополнить текст, касающийся технических определений. Тем не менее, даны ссылки на первоисточники, где серые пятна и MSER определены и описаны подробно, включая приложения.

Какие типы цифр вам нужны? -- KYN 20:03, 18 сентября 2006 (UTC) [ ответить ]

Мне нужны открытые и свободные от авторских прав картинки, которые показывают необходимые иллюстрации, необходимые для описания понятий серых пятен, деревьев серых пятен, пятен масштабного пространства и максимально стабильных областей. В статьях оригинальных авторов по этим понятиям есть иллюстративные рисунки. Tpl 15:29, 19 сентября 2006 (UTC) [ ответить ]

Что касается применения дескрипторов блоба, я согласен, что такое описание будет ценным для незнакомых читателей. Полезность этих дескрипторов блоба, тем не менее, была убедительно продемонстрирована в предыдущих работах по сопоставлению изображений, распознаванию объектов, отслеживанию и анализу текстур. Я дополню статью текстом, который более подробно об этом расскажет. Tpl 12:11, 18 сентября 2006 (UTC) [ ответить ]

Хорошо, спасибо -- KYN 20:03, 18 сентября 2006 (UTC) [ ответить ]

Теперь есть проект статьи об обнаружении точек интереса , в которой делается попытка определить, что следует понимать под точкой интереса и как это понятие соотносится с углами и пятнами.

В статье упоминается, что SURF использует вейвлеты Хаара для вычисления определителя гессиана. Я считаю, что это неверно. Вейвлеты Хаара используются в SURF на более позднем этапе, при построении дескриптора. Вместо этого алгоритм обнаружения пятен SURF использует {-1,0,1}-дискретизированные аппроксимации производных Гаусса для построения гессиана.

Я думаю, что эта статья демонстрирует много хорошей технической работы, в основном проделанной одним редактором: Tpl. Спасибо за вашу тяжелую работу, Tpl! Однако я хотел бы поднять вопрос доступности. Согласно Wikipedia:Make technical articles available :

• Технические статьи в Википедии «должны быть доступны максимально широкой аудитории»

и

• «Необходимо предпринять все разумные усилия для того, чтобы обеспечить максимально широкую доступность материала».

Эти руководящие принципы предлагают несколько способов сделать технические статьи более доступными. Способы, которые, как я думаю, применимы к этой статье в настоящее время, включают:

• Добавьте конкретный пример
  • Как можно применить формулы обнаружения пятен в реальной ситуации?
• Объясните формулы
  • Большинство формул не имеют пояснений.
• Добавить картинку
  • Единственная картинка в статье довольно маленькая и не имеет отношения к обнаружению пятен.
• Используйте язык, аналогичный тому, который вы используете в разговоре.
• Используйте аналогии.

Однако я никоим образом не хочу "упрощать" эту статью в интересах доступности. Я думаю, что можно найти баланс, который улучшит доступность этой статьи, не уменьшая ее полезности для продвинутых читателей.

Несколько идей, которые пришли мне в голову по улучшению статьи:

• Добавьте более длинный вводный раздел (или оправдано отдельное введение в обнаружение блобов?), содержащий примеры
• Добавьте картинки (возможно, анимацию?) и пояснения, особенно для формул.
• Ослабьте язык — сейчас, мне кажется, он слишком похож на техническую справку.

Учитывая это, я считаю, что шаблон {{ technical }} в настоящее время оправдан. Надеюсь, это привлечет нужного редактора, который сделает эту статью более доступной. Спасибо! -- fjarlq ( talk ) 04:21, 19 июня 2008 (UTC) [ ответить ]

Я реализовал метод лапласиана гауссовского распределения, описанный на этой странице, и он, похоже, обнаруживает вещи очень хорошо, но не при ожидаемых значениях t. Вот кликабельный пример (запуск занимает несколько секунд):

http://bubba.net.images.alaska.edu/~bkerin/gmcon_safe/gmcon.cgi?operations=type:load,load_name:blobtest,type:run_model

Для однопиксельных пятен нормализованный лапласиан наиболее отрицателен в наименьшем масштабе, что, я полагаю, имеет смысл. Для пятен 3x3 t = 1,4 дает наиболее отрицательный результат, а для пятен 8x8 t = 10 дает наиболее отрицательный результат. Агоритм реагирует по-разному для маленьких пятен или что-то не так с моей реализацией? Bkerin2 ( talk ) 19:20, 6 мая 2009 (UTC) [ reply ]

Поведение метода выбора масштаба в мелких масштабах может зависеть от того, как вы моделируете капли мелкого масштаба и как вы реализуете нормализованные производные. Общая трактовка этого вопроса содержится в приложении A.4 к (Lindeberg: Feature detection with automatic scale selection; Int J Comp Vision, 30:2, стр. 77–116, 1998), см. список ссылок на главной странице этой статьи для получения онлайн-справки. Более подробная трактовка этой темы в отношении реализации пирамиды содержится также в (Lindeberg and Bretzner: Real-time scale selection in hybrid multi-scale representations; Proc. Scale-Space'03, Springer Lecture Notes in Computer Science, том 2695, стр. 148–163), см. статью о реализации масштабного пространства для получения онлайн-справки. Tpl ( talk ) 08:18, 7 мая 2009 (UTC) [ reply ]

Кто-нибудь может это исправить? На картинке не видно красных точек.

Template_talk:FeatureDetectionCompVisNavbox

Unapiedra ( обсуждение ) 08:50, 13 июня 2009 (UTC) [ ответ ]

Не могли бы вы предоставить подробную информацию о вашем компьютерном окружении и веб-браузере?

Когда я смотрю на навигационное поле (из статьи об обнаружении пятен с помощью Firefox на Mac), оно действительно показывает красные точки на нижнем изображении. Tpl ( обсуждение ) 11:12, 13 июня 2009 (UTC) [ ответ ]

Я думаю, что в этой статье перепутаны понятия «масштаб» и «время диффузии». В первом уравнении «t» — это параметр масштаба (стандартное отклонение для нормального распределения). Но я думаю, что в остальных уравнениях «t» относится к чему-то вроде времени диффузии (и, похоже, оно следует оригинальному определению Тони Линденберга), что приводит к «странному» уравнению диффузии с константой 1/2 впереди).

Это может объяснить замечание, где кто-то объясняет, что он находит экстремумы, но не в правильном масштабе. Первоначальные авторы: я не прав? — Предыдущий неподписанный комментарий добавлен 213.10.57.74 (обсуждение) 19:36, 4 октября 2010 (UTC) [ ответить ]

С определением параметра масштаба 't', используемым в этой статье, и с константой 1/2 впереди, параметр масштаба в терминах длины измерения задается и соответствует стандартному отклонению ядер свертки Гаусса, которые могут быть эквивалентно использованы для вычисления представления масштабного пространства. В этом отношении это очень естественная параметризация, однако, заплатив довольно небольшую цену использования константы проводимости, равной 1/2 в формулировке диффузии. Tpl ( talk ) 15:40, 5 октября 2010 (UTC) [ reply ]${\displaystyle \sigma }$${\displaystyle \sigma ={\sqrt {t}}}$

Да, я так и думал, но тогда функция Гаусса определена неверно. Там t используется там, где следовало бы. —Предыдущий комментарий без знака добавлен 213.10.57.74 (обсуждение) 23:53, 5 октября 2010 (UTC) [ ответить ]${\displaystyle \sigma }$

Да, это верно. Кто-то, по-видимому, изменил выражение для гауссианы, так что оно больше не было правильным. Я не знал об этом, когда писал предыдущий комментарий. Это действительно проблема Википедии, что ошибки иногда вносятся людьми, которые могут недостаточно хорошо знать предмет. Теперь я исправил уравнение. Пожалуйста, дайте сигнал тревоги снова, если вы заметите другие ошибки. Tpl ( talk ) 11:49, 6 октября 2010 (UTC) [ ответить ]

Теперь нормировочный множитель перед не является : считайте однородность при интегрировании , чтобы получить безразмерную 1, в противном случае остаток будет последовательным -- 152.77.24.38 ( обсуждение ) 17:45, 19 октября 2010 (UTC) [ ответ ]${\displaystyle g}$${\displaystyle 1/(2\pi t)}$${\displaystyle 1/(2\pi t^{2})}$${\displaystyle dxdy}$

Здравствуйте, уважаемые википедисты!

Я только что изменил одну внешнюю ссылку на Blob detection . Пожалуйста, уделите немного времени, чтобы просмотреть мои правки. Если у вас есть какие-либо вопросы или вам нужно, чтобы бот игнорировал ссылки или страницу в целом, посетите этот простой раздел FaQ для получения дополнительной информации. Я внес следующие изменения:

• Добавлен архив https://web.archive.org/web/20110721190213/http://brainvisa.info/pdf/mangin-AImed03.pdf в http://brainvisa.info/pdf/mangin-AImed03.pdf

Когда вы закончите просматривать мои изменения, пожалуйста, установите отмеченный параметр ниже на значение true или failed, чтобы сообщить об этом другим (документация по адресу ).{{Sourcecheck}}

Это сообщение было опубликовано до февраля 2018 года . После февраля 2018 года разделы страниц обсуждения "Внешние ссылки изменены" больше не генерируются и не отслеживаются InternetArchiveBot . Никаких специальных действий в отношении этих уведомлений на страницах обсуждения не требуется, кроме регулярной проверки с использованием инструкций инструмента архивации ниже. Редакторы имеют право удалять эти разделы страниц обсуждения "Внешние ссылки изменены", если они хотят очистить страницы обсуждения от загромождения, но перед выполнением массовых систематических удалений ознакомьтесь с RfC . Это сообщение динамически обновляется через шаблон (последнее обновление: 5 июня 2024 г.) .{{source check}}

• Если вы обнаружили URL-адреса, которые бот ошибочно посчитал неработающими, вы можете сообщить о них с помощью этого инструмента.
• Если вы обнаружили ошибку в архивах или самих URL-адресах, вы можете исправить их с помощью этого инструмента.

Привет.— InternetArchiveBot ( Сообщить об ошибке ) 06:34, 4 ноября 2016 (UTC) [ ответить ]

Он говорит , и вывод из формул . Я посмотрел в нескольких исходных кодах, и люди используют , а не , и это, кажется, дает мне лучшие результаты. Не могу найти источник по правильному или отношению к . CyreJ ( обсуждение ) 11:44, 27 января 2023 (UTC) [ ответ ]${\textstyle r={\sqrt {2}}t}$${\textstyle t:=\sigma ^{2}}$${\textstyle \sigma =r/{\sqrt {2}}}$${\textstyle \sigma ^{2}=r/{\sqrt {2}}}$${\textstyle \sigma }$${\textstyle t}$${\textstyle r}$

измерения имеют больше смысла для безразмерной экспоненты. Изменено на главной странице. CyreJ ( обсуждение ) 11:56, 27 января 2023 (UTC) [ ответить ]${\textstyle t\sim r^{2}}$