Talk:Распознавание углов

This article is rated C-class on Wikipedia's content assessment scale. It is of interest to the following WikiProjects:

Robotics Mid‑importance This article is within the scope of WikiProject Robotics, a collaborative effort to improve the coverage of Robotics on Wikipedia. If you would like to participate, please visit the project page, where you can join the discussion and see a list of open tasks.RoboticsWikipedia:WikiProject RoboticsTemplate:WikiProject RoboticsRobotics Mid This article has been rated as Mid-importance on the project's importance scale.

Кто-нибудь знает ссылки на обнаружение углов: а) Детектор углов для двоичного изображения б) Обнаружение углов с использованием цепных кодов или утончения/выпуклой оболочки — Предыдущий неподписанный комментарий добавлен 98.199.213.54 (обсуждение) 04:33, 2 августа 2008 (UTC) [ ответить ]

Я создал инфобокс для всех страниц, связанных с обнаружением углов/краев/пятен/элементов/точек интереса: User:Keeganmann/Corner Detection Navagation . Я думаю, это поможет с навигацией.

Стоит ли добавлять его и хорошая ли это идея? Keeganmann ( обсуждение ) 00:46, 17 февраля 2008 (UTC) [ ответить ]

Я посмотрел на созданное вами информационное поле. Оно содержит некоторую информацию, которая может быть информативной. Однако, к сожалению, оно имеет сильный уклон в сторону определенных частей информации на страницах обнаружения признаков ( обнаружение краев , обнаружение углов , обнаружение пятен , обнаружение гребней ). В частности, оно делает чрезмерный акцент на аффинных детекторах Харриса и аффинных детекторах Гессе, опуская другие известные детекторы признаков, такие как обычный оператор Харриса и детектор углов Ши и Томази. В частности, отсутствует понятие обнаружения гребней. Если следует создать информационное поле, оно должно быть более сбалансированным в отношении технического содержания. Информация в таблице детекторов признаков на странице Обнаружение признаков (компьютерное зрение) более сбалансирована в этом отношении. Что касается последнего пункта «Разное» в таблице, было бы более информативно переименовать его в «Аффинные инвариантные детекторы признаков», а также поместить аффинные детекторы Харриса и аффинные детекторы Гессе под таким заголовком. Кроме того, ссылка на оператор Лапласа также должна быть перемещена на ссылку на раздел о Лапласиане оператора Гаусса на странице обнаружения блобов. Аналогично, ссылка на определитель оператора Гессе должна быть на раздел по этой теме на странице обнаружения блобов. Tpl ( talk ) 10:35, 18 февраля 2008 (UTC) [ reply ]

Пожалуйста, не стесняйтесь изменять инфобокс, если вы чувствуете, что можете сделать его лучше. Keeganmann ( talk ) 04:13, 21 февраля 2008 (UTC) [ ответить ]

Спасибо за приглашение. Теперь я обновил инфобокс в соответствии с тем, что имел в виду. Я также включил страницы обнаружения признаков (компьютерное зрение) , обнаружения точек интереса , обнаружения углов и обнаружения пятен . Вероятно, следует высказать некоторые дополнительные соображения о том, как использовать иллюстрации фигур с разных страниц, чтобы они были уместными. Пожалуйста, дайте свои предложения. Tpl ( обсуждение ) 13:38, 23 февраля 2008 (UTC) [ ответить ]

Внес некоторые незначительные правки здесь и там, но самое главное — возвел в квадрат следовой член в выражениях, чтобы они соответствовали литературе. -- KYN 13:22, 6 мая 2006 (UTC) [ ответить ]${\displaystyle M_{c}}$

Ой, я ошибся... это была опечатка, на предыдущем шаге у меня был квадрат. Retardo 20:07, 6 мая 2006 (UTC) [ ответить ]

Предлагаю перенести статью в заголовок «Интересная точка». Причина в том, что общепринято, что все описанные здесь методы обнаруживают общие интересующие точки, а не углы в частности. Нет никаких причин, по которым Википедия должна добавлять эту путаницу, представляя эти методы под заголовком «Обнаружение углов». Кроме того, заголовок «Интересная точка» более общий, чем «Обнаружение интересной точки», и может включать аспекты точек интереса, отличные от обнаружения, например, отслеживание или другие приложения, которые используют обнаруженные точки. -- KYN 18:04, 31 августа 2006 (UTC) [ ответить ]

Согласен RE: точки интереса. Я думаю, что должна быть короткая страница об обнаружении углов, объясняющая слегка запутанную терминологию, но в остальном перенаправляющая на точки интереса. На практике даже в совершенно новых работах это называется обнаружением углов. Serviscope Minor 20:35, 31 августа 2006 (UTC) [ ответить ]

В литературе по компьютерному зрению есть несколько детекторов пятен, например, нормализованный по масштабу Лапласиан, нормализованный по масштабу детерминант Гессе, а также гибридный оператор «Гессиан-Лаплас», который использует детерминант Гессе для пространственного выбора и нормализованный по масштабу Лапласиан для выбора масштаба. Соответствующий раздел для размещения этих операторов будет под заголовком «обнаружение пятен», на который ссылаются со страницы «масштабное пространство». Однако эта страница еще не написана.

Если текущую страницу с «обнаружением углов» переместить в «точку интереса», то объем статьи должен быть существенно расширен по сравнению с текущим объемом на основе оператора Харриса. Tpl 13:47, 2 сентября 2006 (UTC) [ ответить ]

Это мое намерение. Эта статья началась только с оператора Харриса, но, учитывая ее текущее содержание, кажется более уместным представить обсуждение того, что такое точки интереса (об этом уже кое-что есть) и как они используются. В частности, новый заголовок может охватывать различные способы извлечения координат изображения (x, y) для точки интереса. Также можно обсудить разницу между точкой и пятном. Следует обсудить аспект преобразования из значений серого изображения (обычно) в набор координат изображения. Например, если мы только порогируем ответ от Харриса, мы получаем пятно пикселей. Если вместо этого мы попытаемся оценить локальные максимумы, мы получим координату пикселя, возможно, даже с точностью до субпикселя, если были приняты определенные меры. Также следует упомянуть немаксимальное подавление. Затем может быть также список методов обнаружения, более или менее как в текущей статье. В качестве альтернативы может быть одна (более короткая) статья для каждого конкретного метода и только ссылки с новой страницы. -- KYN 17:23, 2 сентября 2006 (UTC) [ ответить ]

Обратите внимание, что некоторые из упомянутых сейчас методов имеют применение в разных областях. Например, метод Томаси-Канаде или Ши-Томаси изначально использовался для регистрации стереоизображений, но также использовался для отслеживания области в последовательности изображений и, конечно, может также использоваться для поиска точек интереса на одном изображении. С этой точки зрения, может иметь смысл разрабатывать каждый отдельный метод на отдельной странице, описывая различные детали и их применение. Также могут быть обзорные статьи, такие как «точка интереса», которые описывают концепцию с общей точки зрения, представляют список методов, которые можно использовать, и отсылают читателя к странице каждого конкретного метода для получения подробностей. -- KYN 17:23, 2 сентября 2006 (UTC) [ ответить ]

Спасибо за ваш ответ. Я мог бы начать писать статью об обнаружении пятен , которая описывает ряд основных детекторов пятен в литературе, чтобы прояснить ряд распространенных недоразумений, а также показать, как они соответственно связаны и различаются. Затем этот материал мог бы стать лучшей отправной точкой для обсуждения того, следует ли объединять статьи об обнаружении углов и обнаружении пятен или нет. Я думаю, что я мог бы написать ее на следующей неделе, но не сегодня. Tpl 06:23, 3 сентября 2006 (UTC) [ ответить ]

Я думаю, что MSER — лучший кандидат на обнаружение пятен. Точки интереса Гессе на практике выглядят довольно похожими на точки интереса Харриса. Кроме того, детектор LoG/DoG можно считать детектором пятен (он выполняет согласованную фильтрацию для пятен в форме LoG), но на практике его все еще называют детектором углов или точек интереса. Кроме того, я не знаю ни одного детектора углов, который на самом деле не был бы детектором точек интереса. Есть некоторые подлинные детекторы углов, которые обнаруживают углы (т. е. острые изгибы) на обнаруженных краях, но я не видел, чтобы они упоминались (кроме обзоров) в недавних работах.

Serviscope Minor 15:20, 2 сентября 2006 (UTC) [ ответить ]

Теперь есть первый набросок статьи об обнаружении пятен . Четыре часто используемых детектора пятен, основанных на дифференциальных выражениях, описаны достаточно подробно, и были добавлены заголовки для двух других важных понятий пятен, основанных на локальных экстремумах с протяженностью (включая MSER). Tpl 17:17, 4 сентября 2006 (UTC) Это описание теперь дополнено краткими описаниями двух методов обнаружения пятен, основанных на экстремумах Tpl 18:16, 4 сентября 2006 (UTC) Теперь, я думаю, что должно быть легче принять обоснованное решение, следует ли объединить статьи об обнаружении углов и обнаружении пятен и перенести их в статью об обнаружении точек интереса, или их следует сохранить отдельно. С моей точки зрения, разделение на две статьи более информативно при условии сохранения перекрестных ссылок и пояснительных комментариев относительно понятия точек интереса. [ ответить ]

Все еще есть место для расширения этих статей дополнительными детекторами углов и/или пятен. Что касается области обнаружения особенностей , есть также статьи по обнаружению краев и обнаружению хребтов . Tpl 08:03, 5 сентября 2006 (UTC) [ ответить ]

Я не хочу загрязнять статью своими взглядами до того, как по этому вопросу состоится обсуждение.

При типичной реализации аффинно-адаптированных точек интереса, особенно точек Харриса-аффинных, результирующий детектор не является аффинно-инвариантным. Это происходит потому, что поиск через аффинное пространство (в отличие от масштабного пространства) слишком затратен.

Любые успешно обнаруженные точки инвариантны к аффинным преобразованиям, в том смысле, что аффинный эллипс, который может быть нарисован вокруг них, будет более или менее покрывать ту же часть изображения даже после аффинных преобразований. Однако реализация основана на многомасштабном обнаружении признаков, за которым следует итеративная аффинная адаптация. Обычный детектор Харриса не является особенно инвариантным (или повторяемым) при аффинных преобразованиях изображения. Поскольку это первый шаг, он устанавливает верхнюю границу на «аффинную инвариантность» всего алгоритма. То есть при аффинных преобразованиях многие точки не будут обнаруживаться повторяемо. Serviscope Minor 15:51, 5 сентября 2006 (UTC) [ ответить ]

Вы правы в своем наблюдении, что обычно используемый евклидов и масштабно-инвариантный этап предварительной обработки для аффинной адаптации формы не инвариантен к полной аффинной группе. Правильное утверждение аффинной адаптации формы заключается в том, что если для алгоритма аффинной адаптации формы можно найти фиксированную точку, то полученные характеристики изображения являются аффинно-инвариантными. Это утверждение также явно указано в исходной ссылке (Lindeberg and Garding 1994, 1997). На практике это означает, что аффинные преобразования с умеренными отклонениями от группы подобия будут подразумевать достаточно высокую повторяемость характеристик изображения, в то время как почти вырожденные аффинные преобразования будут подразумевать существенные проблемы. Тем не менее, общий подход весьма полезен для таких приложений, как широкое базовое стереосопоставление. Tpl 18:09, 5 сентября 2006 (UTC) [ ответить ]

Поскольку текст об аффинной адаптации формы гораздо более общий, чем объем этой статьи, я перенес его в отдельную статью аффинная адаптация формы . Помимо обнаружения углов и обнаружения пятен , аффинная адаптация формы также применяется к сегментации текстур, классификации текстур и распознаванию текстур. Tpl 10:08, 6 сентября 2006 (UTC) [ ответить ]

Как вы думаете, разумно ли на такой странице размещать внешние ссылки на реализации?

Вот мои мысли, поскольку я не собираюсь одобрять чей-либо конкретный кодекс.

Некоторые детекторы имеют примеры реализаций авторов, например SUSAN, DoG (в SIFT), Harris-Laplace. Они имеют приоритет, поскольку могут иметь детали, не совсем представленные в статье, и все результаты _должны_ быть воспроизводимыми с этими реализациями.

Другие детекторы (например, Harris, Shi-Tomasi) имеют очень стабильные реализации в определенных библиотеках, например, Intel OpenCV, и эти библиотеки используются достаточно широко, поэтому они не исчезнут в ближайшее время.

Если вы согласны, что этот раздел разумен, то я начну добавлять ссылки, отмечая, являются ли они примерами реализаций авторов или нет. Serviscope Minor 16:56, 8 сентября 2006 (UTC) [ ответить ]

Я пометил эту статью некоторое время назад для изменения ее названия на что-то вроде "точка интереса". Учитывая, что теперь есть статья также о "обнаружении пятен", я хотел бы внести некоторый порядок в общую презентацию. Вот мои предложения:

• Часть содержания этой статьи (Обнаружение углов) перемещена в новую статью "Точка интереса", которая призвана дать общее введение в эту тему, описать приложения для точек интереса, а также предоставить список методов обнаружения точек интереса. Этот список, вероятно, будет включать большинство из тех, которые сейчас находятся в статье "Обнаружение углов". Мое предложение заключается в том, чтобы они были представлены на общем уровне, технические подробности не представлены в этом списке методов.
• Технические подробности каждого из методов обнаружения точек интереса изложены в отдельных статьях, по одной статье на метод.
• Необходимо разобраться с отношением между "blobs" и "interest points". Лично я не знаю, следует ли их разделять или представлять в одной статье. Есть идеи? В любом случае, различия или сходства нужно обсудить.
• Я также предлагаю переименовать текущую статью "Обнаружение пятен" в "Пятна (компьютерное зрение)". Обнаружение — это только один аспект пятен, который следует обсудить в этой статье. Приложения и общее обоснование того, почему нам следует беспокоиться о пятнах, — это другие аспекты, которые также следует представить. Обнаружение пятен должно быть скорее разделом в этой статье.

-- KYN 20:50, 14 сентября 2006 (UTC) [ ответить ]

Связь между blobs и точками интереса: Ну, здесь определенно есть пересечение. Я никогда не слышал, чтобы MSER называли точками интереса, или точки Харриса — blobs, но DoG/LoG-функции с радостью попадают в оба лагеря. Возможно, это стоит рассмотреть в общей статье «Features». К интересующим функциям относятся ребра (1D), точки интереса (0D или 2D в зависимости от ваших предпочтений), blobs и области. Дело в том, что все эти функции выполняют одни и те же роли (например, сопоставляют их по разным причинам), поэтому, возможно, стоит иметь дело со всеми из них вместе. Помимо того, что они имеют схожее применение, все они должны иметь одинаковые свойства (например, повторяемость). Это также обходит вопрос «является ли данный детектор функции угловым детектором или детектором blobs».

Тогда можно было бы иметь список под каждым из заголовков (точка интереса/угол, пятно и т. д.), указывающий на соответствующую статью. Это как бы подразумевает, что я согласен иметь каждый детектор в своей статье. Тогда можно иметь детекторы под несколькими заголовками.

Serviscope Minor 21:34, 14 сентября 2006 (UTC) [ ответить ]

Здесь определенно есть конфликт в терминологии. Старая терминология делит обнаружение признаков на обнаружение углов, обнаружение пятен, обнаружение краев, обнаружение гребней и т. д. Терминология «точка интереса» появилась позже, но понятие «области интереса» использовалось гораздо дольше. Однако, с моей точки зрения, иметь длинную и общую статью о «обнаружении признаков», которая заменила бы текущие статьи об обнаружении углов , обнаружении пятен , обнаружении краев и обнаружении гребней, было бы не очень хорошей идеей, поскольку такая статья охватывала бы слишком много, и можно было бы легко потерять обзор (если только у вас уже нет хорошей внутренней картины обзора). Область «обнаружение признаков» является общей и с точки зрения Википедии может быть легко разложена на несколько статей, как это происходит сегодня. Однако я также не склонен помещать каждый отдельный детектор признаков в отдельную статью, поскольку несколько детекторов пятен и несколько детекторов углов имеют схожие общие механизмы. Было бы трудно ориентироваться между статьями о детекторе Моравеца, об оригинальном Харрисе, о многомасштабном Харрисе, об операторе Харриса-Лапласа, о Лапласиане, о разности гауссианов, об определителе Гессе, о смешанном операторе Лапласа-Гессиана и т. д. В частности, новому читателю было бы трудно получить обзор.

С моей точки зрения, текущее разделение на обнаружение углов, обнаружение пятен, обнаружение краев и обнаружение хребтов кажется наилучшим компромиссом между обзором и уровнем детализации. Можно было бы легко написать короткую мета-статью о «точках интереса», которая относится к обнаружению углов и обнаружению пятен. Аналогично можно было бы написать мета-обзорную статью о «обнаружении признаков», которая относится к точкам интереса, обнаружению краев и обнаружению хребтов, а также к другим случаям использования термина «обнаружение признаков». Если будет больше поддержки такого подхода, я мог бы сделать первый набросок для этих статей. В таких статьях можно было бы также описать общие понятия о том, почему обнаруживаются эти особенности изображения, включая понятие повторяемости.

Кстати, что касается выбора точек интереса, то лучшим выбором на сегодняшний день представляется детектор пятен на основе определителя Гессе (DoH). В недавней статье о дескрипторе SURF сообщается, что этот детектор обладает лучшими свойствами, чем операторы LoG/DoG (см. статью о детектировании пятен для справки).

Что касается иногда встречающегося наименования операторов LoG/DoG как «детекторов углов», я все еще думаю, что эта терминология неверна. Операторы LoG/DoG измеряют сходство между локальным рисунком изображения и круговым симметричным фильтром с ярким/темным центром и темным/ярким окружением. Лучший способ выразить это свойство — назвать исходные операторы LoG/DoG детекторами пятен, в то время как дополнительный этап фильтрации собственных значений гессиана отфильтрует ложные ответы, для которых нет значительных изменений в двух направлениях. Тем не менее, я не буду жаловаться на краткую ссылку на эти операторы, которая сделана в текущей статье об обнаружении углов. Я думаю, что было бы гораздо хуже полностью реорганизовать две статьи с главной целью решения этой незначительной проблемы.

Кроме того, я не думаю, что было бы хорошей идеей переименовать "обнаружение пятен" в "пятно (компьютерное зрение)". Термин "обнаружение пятен" хорошо устоялся в этой области и находится в тесной аналогии с еще более устоявшимся понятием "обнаружение краев". Tpl 05:42, 15 сентября 2006 (UTC) [ ответить ]

Я думаю, что, возможно, общий обзор обнаружения признаков, включая виды использования, которым подвергаются эти вещи, был бы полезен. Затем он может указать на обнаружение пятен, точек интереса/углов и т. д. Я согласен с вашим мнением о проблемах с размещением всех детекторов в разных статьях. Если это будет сделано, то им придется иметь очень хорошие разделы «see-also».

Я не думаю, что точки интереса относятся к обнаружению пятен (у меня такое чувство, что это синонимы с довольно неудачно названными "углами"). Feature охватывает эти два, хотя. Но да, я поддерживаю ваше написание мета-статьи, за исключением того, что я думаю, что это должно быть просто "обнаружение признаков", а не точка интереса (ребра и пятна на самом деле не похожи на точки). Но я думаю, что мета-статья стоит того.

В любом случае, поскольку мы сейчас переходим к детекторам признаков ECCV 2006, я думаю, что FAST (ссылка в Corner_detection : "Machine learning for..." ECCV 2006) выглядит лучше, чем DoH. FAST имеет значительно лучшую повторяемость, чем DoG, тогда как DoH кажется довольно похожим. FAST также примерно в 50 раз быстрее. Хотя реализация стандартных детекторов в статье DoH кажется несколько медленнее, чем в статье FAST.

Наконец, о углах и пятнах DoG: если радиус достаточно мал, то он обнаруживает точечные объекты (они же углы), если радиус большой, то он обнаруживает пятна. Я думаю, что определения достаточно размыты, чтобы он мог с радостью вписаться в любой из них. Возможно, когда пыль уляжется, я составлю таблицу всех описанных детекторов объектов и классификацию, к которой они принадлежат (допускается несколько классификаций). Это несколько прояснит ситуацию. Serviscope Minor 16:37, 15 сентября 2006 (UTC) [ ответить ]

Спасибо за вашу поддержку. Поскольку статьи по обнаружению углов и обнаружению пятен сегодня, я думаю, что они более ценны, чем набор отдельных статей по каждому детектору признаков. При такой организации текущие статьи действительно обеспечивают дополнительную ценность по сравнению с исходными исследовательскими работами, поскольку взаимосвязи между различными детекторами признаков сделаны явными (и дают разъяснения против распространенных недоразумений в некоторых исследовательских статьях).

Что касается обзорной статьи, я мог бы начать писать краткую мета-статью об обнаружении признаков. Что касается интерпретации "точек интереса", включать или исключать пятна, я считаю, что дескриптор пятна действительно должен интерпретироваться как нечто большее, чем просто точка — пятно, по крайней мере, содержит атрибут масштаба, который подразумевает область поддержки, которая, в свою очередь, может быть либо вращательно-симметричной, либо эллиптической, либо иметь более сложную форму. Но все же, поскольку понятие "точка интереса" стало более популярным среди определенных людей, чем предыдущая терминология "угол", и, кроме того, многие из более поздних операторов точек интереса также включают оценку масштаба, я все еще думаю, что было бы неправильно исключать дескрипторы пятен из класса точек интереса. Центр (или максимум/минимум) дескриптора пятна определенно является точкой и обычно удовлетворяет аналогичным критериям, которые можно было бы наложить на другие точки интереса. Хотя эта терминология, возможно, не распространилась среди всех специалистов в этой области, я не считаю неправильным сделать здесь это обобщение, в частности, потому, что дескрипторы двоичных объектов ранее использовались именно как области интереса для дальнейшей обработки.

Да, я согласен, что многие дескрипторы пятен также будут реагировать на углы в мелких масштабах, хотя и с менее точной локализацией. Как вы предлагаете, таблица может быть иллюстративной. Tpl 13:24, 16 сентября 2006 (UTC) [ ответить ]

Я резюмирую обсуждение следующим образом:

• Что касается переноса большей части этой статьи под новое название «Точка интереса», я не видел никаких серьезных возражений. Я сделаю это вкратце, если только кто-то не предоставит вескую причину не делать этого. Мотивация для переноса заключается в том, что, даже если соответствующие методы классически называются «детекторами углов», это название некорректно, поскольку они также обнаруживают другие типы «точек интереса». Это понимание также отражено в некоторой недавней литературе. Однако я не знаю, можно ли все недавно добавленные методы в статье «Обнаружение углов» называть методами обнаружения точек интереса или их следует отнести к обнаружению пятен.

• Вопрос о перемещении более технического содержания различных методов в отдельные статьи, по-видимому, не одобрен на данном этапе. Я могу выступить за эту стратегию позже.

• Что касается связи между точками интереса и каплями, то это должно быть объяснено в соответствующих статьях. Прямо сейчас статья "Обнаружение угла" (скоро будет "Точка интереса") дает некоторое интуитивное и концептуальное определение точки интереса. Я бы хотел увидеть похожее представление "капли" в статье "Обнаружение капли". Надеюсь, это прольет свет на разницу между двумя концепциями.

• Вопрос переименования "Blob detection" связан с предлагаемым расширением (см. предыдущий пункт) этой статьи. Однако я удаляю этот вопрос из обсуждения на этой странице обсуждения и перемещаю его на страницу обсуждения "Blob detection" .

Мой вклад в это обсуждение заключается в следующем:

• (Интересную) точку можно охарактеризовать только с точки зрения положения или координаты изображения, возможно, вместе с конкретной особенностью, на которой основан метод обнаружения. С другой стороны, пятно, как правило, состоит из области, т. е. набора точек. Этот набор может быть небольшим, в некоторых случаях даже состоящим из одной точки. Это наблюдение подразумевает, что метод обнаружения пятна должен предоставлять набор точек в качестве выходных данных, а не одну точку, которую мы получаем от детектора интересной точки. В этом разница между двумя концепциями.

• Полученный набор точек от детектора пятен часто можно сжать в одну точку, например, вычислив ее центр тяжести (среднее значение). Это тип интересной точки. Кроме того, в некоторых случаях мы можем получить интересную точку, найдя локальный максимум/минимум соответствующей функции «силы признака», которая используется для обнаружения пятен. Здесь у нас есть некоторые связи между двумя концепциями.

• Что касается обзорной статьи о функциях, это хорошая идея, но, пожалуйста, обратите внимание на существующую статью Feature (Computer vision) . Эта статья могла бы выиграть от дополнительной работы.

-- KYN 21:49, 17 сентября 2006 (UTC) [ ответить ]

Ну, у меня есть серьезное возражение против переноса этой статьи в раздел «точка интереса». Более того, я не согласен с различием между точками интереса и детекторами пятен, которое вы представляете. Если вы определяете «точку интереса» как точку в области изображения, которая имеет четкое (математическое и операционное) определение и может быть надежно обнаружена (что, по моему мнению, является хорошим определением как с точки зрения полезности, так и с точки зрения операторов точек интереса, существующих сегодня), то каждый из пяти детекторов пятен, определенных в статье об обнаружении пятен, также удовлетворяет требованию «оператора точки интереса». С этой точки зрения, я бы счел лучше иметь обзорную статью о детекторах точек интереса, которая затем ссылалась бы на две статьи об обнаружении углов и обнаружении пятен относительно конкретных подходов. Обзорная статья также могла бы описывать, почему эти функции вообще используются, в связи с чем существует много общего между детекторами углов и детекторами пятен. Основное различие, которое я вижу между детектором углов и детектором пятен, заключается в том, что если вы смотрите на эти концепции с точки зрения моделей объектов, подобных CAD, которые должны отслеживаться с течением времени и/или распознаваться в сложных сценах. Если вы хотите использовать физические углы CAD-модели в качестве признаков, то только детектор углов будет удовлетворять соответствующим требованиям, поскольку детектор углов будет реагировать на физические углы, в то время как детектор пятен будет реагировать на объект в целом или на части объекта. Другое основное различие заключается в терминах структуры из движения. Если вы хотите вычислить точечные соответствия с течением времени или в стереопаре, то ожидаемая лучшая локализация угловых признаков может быть преимуществом во многих ситуациях. Несмотря на это, признаки пятен также могут использоваться для отслеживания и распознавания, хотя локализация не всегда может быть такой точной. Tpl 12:49, 18 сентября 2006 (UTC) [ ответить ]

В попытке прояснить, как, по моему мнению, следует определить понятие точек интереса, я написал план статьи об обнаружении точек интереса , которая включает критерии, которым должна удовлетворять точка интереса, а также то, как это понятие соотносится с предыдущими понятиями детекторов углов, детекторов пятен и областей интереса. Я не утверждаю, что эта статья (которая была написана довольно быстро) является окончательным решением. Однако я считаю, что она облегчает проведение обоснованного обсуждения. Намеренно я выбрал другое название для статьи, чем для предложения о движении. Мое личное предложение заключается в том, что было бы лучше переименовать новую статью обнаружение точек интереса в точку интереса, чем текущую статью об обнаружении углов . Tpl 14:42, 18 сентября 2006 (UTC) [ ответить ]

Думаю, что новое определение точек интереса лучше описывает общие особенности в целом (было бы более полным с добавлением краев). Я думаю, что точка интереса относится к точечным особенностям, а не к пятнам, гребням или областям интереса. Serviscope Minor 17:29, 18 сентября 2006 (UTC) [ ответить ]

Во многих отношениях вы правы. Но также для наиболее распространенных операторов точек интереса, которые имеют механизм выбора масштаба, будет дополнительный атрибут масштаба, который подразумевает область вокруг точки интереса и, таким образом, меньшее различие с пятном, полученным из обнаружения пятен LoG или DoH. Извините, что повторяю этот аргумент ... Я частично ответил на ваш комментарий об общих функциях, добавив краткую ссылку на обнаружение краев, а также ссылку на Feature (компьютерное зрение) . Но я согласен, что есть большое совпадение между статьей об обнаружении точек интереса и Feature (компьютерное зрение)

Одной из хороших особенностей Википедии является то, что она часто хороша в описании противоположных взглядов в ситуациях, когда существуют конфликтующие взгляды. Я надеюсь, что мы сможем найти хороший способ решить это, не жертвуя ни общностью, ни ясностью. Tpl

Правда, хотя Re: выбор масштаба, всегда можно построить пирамиду изображений и запустить простой (не масштабный выборочный) детектор признаков, такой как SUSAN или FAST на каждом уровне. Теперь это детекторы пятен? Википедия — это хорошая реклама, учитывающая различия во взглядах. К счастью, я не думаю, что кто-либо из нас здесь имеет какой-либо особый корыстный интерес в одной точке зрения (это просто терминология), но мы все хотим видеть Википедию последовательной с собой и литературой (несколько сложнее, учитывая ее собственную непоследовательность).

В любом случае, мне нравятся улучшения Feature (Компьютерное зрение) . Serviscope Minor 17:29, 19 сентября 2006 (UTC) [ ответить ]

Рад, что вам понравились модификации Feature (компьютерное зрение) . Лично я не использовал SUSAN или FAST для анализа их свойств отклика в грубых масштабах. Однако интуитивно я бы не считал их детекторами пятен, как и ни одну из версий оператора Харриса детектором пятен. Что касается терминологии, я скорее удовлетворен статьями по обнаружению признаков, как они есть сейчас, в частности, как вы это пишете, текущие статьи Википедии сегодня более последовательны и понятны, чем некоторые части исследовательской литературы. Очевидно, что текущее состояние не является на 100 % идеальной ситуацией. Однако это гораздо лучший компромисс, чем другие альтернативы. Tpl 18:22, 19 сентября 2006 (UTC) [ ответить ]

Я могу больше рассказать о FAST (re: обнаружение пятен), чем о SUSAN. Fast сильно реагирует на светлый sopt на темном фоне (т. е. примерно LoG-подобный элемент), поэтому он будет реагировать на пятна в грубых масштабах. Однако точка должна выглядеть как LoG только для чуть более половины элемента. Некоторые детекторы точек интереса (например, обнаружение + цепочка ребер (Кэнни?) и поиск «углов» в цепочке ребер) определенно не являются детекторами пятен. Некоторые, такие как MSER, являются детекторами пятен и определенно не детекторами точек интереса. Однако промежуточные (например, FAST, SUSAN и Harris) будут реагировать на вещи в грубых масштабах, которые являются пятнами в мелких. Это пятна, и делает ли это их детекторами пятен? К этому моменту я уже вник в семантику, и я не уверен, что это особенно полезное различие. Я также не знаю, стоит ли упоминать об этом в статье. Это затрагивается с детектором LoG, но если копнуть глубже, то, вероятно, придете к собственному уникальному выводу о том, что является каплей, а что нет. Так что я думаю, что, вероятно, стоит избегать этой проблемы насколько это возможно. Serviscope Minor 22:50, 19 сентября 2006 (UTC) [ ответить ]

Что касается "blob responses" от оператора Харриса в грубых масштабах, то эти ответы обычно возникают как побочные эффекты больших объемов сглаживания в грубых масштабах. Помимо этой незначительной детали, я согласен с вашей точкой зрения и могу купить двойной список детекторов LoG, DoG и DoH. Чтобы прояснить, что тема, которую мы рассматриваем, - это "обнаружение признаков", я также перенес конкретный материал из статьи Feature (Computer vision) в новую статью об обнаружении признаков . Таким образом, мы избегаем конфликта в отношении подходов к картам признаков, которые также могут быть актуальны для более общей статьи о "признаках". Поскольку статья об обнаружении признаков находится прямо сейчас, я довольно удовлетворен объемом и содержанием. Tpl 17:42, 20 сентября 2006 (UTC) [ ответить ]

В этой статье матрица Гессе и матрица автокорреляции (=матрица Харриса) перепутаны: в разделе "Алгоритм обнаружения углов Харриса и Стивенса / Плесси" матрица A обозначена как Гессе. Однако она записывается как I_x^2 (квадрат первой производной), а не I_xx (вторая производная). 129.143.13.82 17:42, 4 июня 2007 (UTC) [ ответить ]

A — это гессиан S. Оказывается, гессиан S содержит только первые производные I. Если вы найдете вторую производную S по (x, y), вы получите A. Если вы вычислите автокорреляцию, которая равна: и найдете гессиан (вторую производную C по x, y), вы не получите A. Эта ошибка распространена, поскольку Харрис и Стивенс допустили ошибку в своей статье, и ее часто копируют.${\displaystyle C=\sum _{u}\sum _{v}I(u,v)I(u-x,v-x)}$

Неясно, происходят ли компоненты A из вторых производных S. Следуя выводу в статье, похоже, что компоненты A происходят из аппроксимации ряда Тейлора первого порядка для S. Санчо 06:56, 19 октября 2007 (UTC) [ ответить ]

A происходит от члена Тейлора второго порядка S, но он построен из производных первого порядка в I (в квадрате). Это потому, что S имеет конкретную зависимость второго порядка в I! -- KYN 10:14, 19 октября 2007 (UTC) [ ответить ]

Ах да. Я тоже неправильно сформулировал свой вопрос... в статье они приходят к A через разложение Тейлора первого порядка только членов в скобках:

${\displaystyle \sum _{u}\sum _{v}w(u,v)\left(I(u,v)-I(u-x,v-y)\right)^{2}}$

${\displaystyle =\left(x\langle I_{x}\rangle +y\langle I_{y}\rangle +O(x^{2},y^{2})\right)^{2}}$

${\displaystyle \approx \langle I_{x}^{2}\rangle x^{2}+2\langle I_{x}I_{y}\rangle xy+\langle I_{y}^{2}\rangle y^{2}}$

${\displaystyle =(x,y)A(x,y)^{\mathbf {T} }}$

Итак, я вижу, как прийти к этому выводу, но в этой статье не ясно, что вторые производные S дают конкретные элементы A; это просто утверждается. Мне нравятся ваши изменения, которые вы внесли в статью, но этот момент все еще немного сбивает с толку. Я вижу, что это должно быть пропорционально A, которое выводится из разложения второго порядка S. Интересно, какой вывод должен быть в статье. Из того, что вы добавили, люди могут видеть, что A выводится из разложения второго порядка S. Из этого в статье люди могут видеть, как возникают члены. Sancho 16:10, 19 октября 2007 (UTC) [ ответить ]${\displaystyle A}$

Насколько я понимаю, можно сделать это любым способом. Я не против, если это будет изменено на исходный вывод из статьи Харриса и Стивенса, но поскольку это похоже на спор о том, можно ли назвать A гессианом, текущий (возможно, неполный) вывод показывает, что это утверждение верно, если мы также скажем, что это гессиан S, а не I. -- KYN 18:36, 20 октября 2007 (UTC) [ ответить ]

Мне не нравится новый вывод детектора Харриса. A по-прежнему является второй производной S по x и y, но теперь это обосновано с помощью ряда Тейлора. Это стандартный результат, поэтому я не думаю, что это необходимо: это кажется довольно окольным путем сказать, что A является гессианом S по x и y. Я думаю, лучше заменить текст ссылками на соответствующие разделы. И я согласен: A является гессианом S, а совсем не гессианом I.

А как насчет чего-то в этом роде:

${\displaystyle S(x,y)=blah}$

Матрица Харриса определяется как вторая производная от по отношению к и ( матрица Гессе от ), взятая вокруг . Согласно ряду Тейлора , это можно использовать для аппроксимации для малых , поскольку члены низшего порядка равны нулю. Поскольку...${\displaystyle A}$${\displaystyle S}$${\displaystyle x}$${\displaystyle y}$${\displaystyle S}$${\displaystyle (0,0)}$${\displaystyle S(x,y)}$${\displaystyle x,y}$

Я думаю, что это сокращает его, не удаляя полезную информацию (скорее, это основано на том, что она уже есть в другом месте вики).

 Serviscope Minor 20:40, 5 ноября 2007 (UTC) [ ответить ]

Я думаю, что это должна быть первая производная. Почему первая производная должна быть равна 0? Это не имеет смысла... См., например, лекцию по адресу: http://www.wisdom.weizmann.ac.il/~deniss/2004-03_invariant_features/InvariantFeatures.ppt RobWijnhoven (обсуждение) 16:16, 27 марта 2008 (UTC) [ ответить ]

Нет, A определяется как вторая производная (гессиан) S. Это ясно из уравнений в статье.

В: Почему первая производная должна быть равна 0? О: Мы говорим о первых производных S по x и y. Производная по x становится

${\displaystyle D_{x}S=-2\,\sum _{u}\sum _{v}w(u,v)\,\left(I(u,v)-I(u-x,v-y)\right)D_{x}I(u-x,v-y)}$

Оцените это для (x,y)=(0,0):

${\displaystyle D_{x}S|_{x,y=0,0}=-2\,\sum _{u}\sum _{v}w(u,v)\,\left(I(u,v)-I(u,v)\right)D_{x}I(u-x,v-y)|_{x,y=0,0}=0}$

То же самое для производной wty Этот факт, возможно, не очевиден из вывода в статье, но он имеет смысл. В противном случае приближение S вблизи (0,0) должно содержать член первого порядка в дополнение к члену второго порядка, заданному A!

Ссылка на презентацию Фроловой/Симакова PowerPoint хороша и дает интуитивную мотивацию для оператора Харриса-Стивенса, но она не объясняет (1) ПОЧЕМУ мы можем аппроксимировать S (называемое E в их PowerPoint) как выражение второго порядка (билинейным) относительно (x,y), т.е. почему члены нулевого и первого порядка исчезают, или (2) ПОЧЕМУ матрица A ( M в PowerPoint) задана как взвешенное среднее внешних произведений градиента I. Эти факты очевидны, только если мы рассмотрим детали разложения Тейлора для S.

Со временем различные читатели быстро просмотрели презентацию оператора Харриса-Стивенса и пришли к выводу, что A должен быть гессианом I (что неверно) и/или попытались изменить его определение соответствующим образом. Это случалось несколько раз, и чтобы избежать этих ошибок, я попытался сделать вывод (хотя и не совсем жесткий, некоторые детали отсутствуют), который описывает, как связаны S, I и A. Это, возможно, можно сделать лучше, но изменение представления, используемого в PowerPoint, боюсь, не убережет случайного читателя от повторения этих ошибок. -- KYN ( talk ) 21:26, 27 марта 2008 (UTC) [ ответить ]

У меня также есть проблемы с этой так называемой "матрицей Харриса". Что бы это ни значило, следует отметить, что определитель матрицы [Ix*Ix Ix*Iy ; Iy*Ix Iy*Iy] просто Ix*Ix*Iy*Iy - Ix*Iy*Iy*Ix = 0. Поэтому, если мы просто возьмем значения производных по одной точке изображения, мы получим матрицу Харриса, которая обязательно имеет одно собственное значение, равное нулю. Это среднее значение значений производной по пространству затем имеет решающее значение для работы этого метода, и это не часто подчеркивается в статьях, AFAIK.

"Матрица Харриса" A — это ЛОКАЛЬНОЕ СРЕДНЕЕ (или средневзвешенное) матрицы [Ix*Ix Ix*Iy ; Iy*Ix Iy*Iy], то есть мы оцениваем матрицу [Ix*Ix Ix*Iy ; Iy*Ix Iy*Iy] во всех точках изображения, а затем берем среднее значение этой матрицы в локальной области вокруг точки, чтобы получить результирующую матрицу в этой точке. Этот факт является самой идеей этого оператора, он создает матрицу ранга 1 только если все матрицы в локальной области являются внешним произведением градиентов, которые указывают в одном направлении. Если они не находятся, например, вблизи угла, результирующая матрица должна иметь ранг 2. -- KYN ( talk ) 06:31, 18 августа 2008 (UTC) [ reply ]

Мне кажется, что это не более чем очень плохой способ косвенного вычисления матрицы Гессе, которая является гораздо более интуитивной и классической сущностью и имеет свойства, приписываемые матрице Харриса, то есть оба собственных значения малы в плоских областях, одно из них равно нулю, если есть направление нулевой производной первого порядка, и оба велики в "углах". Я подозреваю, что просто слишком много людей с плохим пониманием линейной алгебры и аналитической геометрии (и, почему бы и нет, также статистики) просто берут эти программы и продолжают их использовать, потому что им больше нравится программировать, чем анализировать метод... (Я сам слишком ленив, чтобы пытаться доказать, отличаются они или нет.)

Матрица A не является приближением гессиана функции интенсивности I , НО она является гессианом функции S , которая локально определяется как сходство между локальной областью вокруг точки до и после ее смещения. -- KYN ( обсуждение ) 06:31, 18 августа 2008 (UTC) [ ответ ]

Я хотел бы увидеть пример простой формулы поверхности, где эта матрица Харриса дает результат, который значительно отличается от использования матрицы Гессе вместо нее. В тот день, когда я увижу хоть один контрпример, я поверю, что это другая сущность -- NIC1138 ( talk ) 00:08, 18 августа 2008 (UTC) [ ответить ]

Для начала, матрица Харриса всегда положительно (полу)определена, поскольку она является взвешенной суммой внешних произведений градиентов, где веса положительны. Гессе, с другой стороны, может иметь любой знак. -- KYN ( talk ) 06:31, 18 августа 2008 (UTC) [ ответить ]

Хм... -- NIC1138 ( обсуждение ) 20:48, 14 апреля 2009 (UTC) [ ответить ]

Я обнаружил, что нет никаких обсуждений о точности обнаружения углов, однако, в ситуации, подобной измерению, это очень важно. Интересно, если структура угла на изображении сместится на 0,1 пикселя, отклик детектора углов Харриса сместится на ту же величину? Где найти статьи о точности детектора углов? Aaron.me (обсуждение) 14:42, 9 ноября 2008 (UTC)CAS [ ответ ]

Я считаю, что эти детекторы, в общем, неточны в том смысле, что они не выдают максимальный отклик точно в определенном углу (или какой-либо другой интересной точке). Вопрос о том, насколько сдвигается отклик Харриса при сдвиге изображения, поэтому не имеет значения, поскольку положение максимальной точки зависит, например, от угла угла и контрастности каждого из угловых краев. Вдобавок ко всему, все эти детекторы чувствительны к широкому диапазону точек интереса, а не только к углам.

Вместо того, чтобы говорить о точности, оказалось более полезным говорить о повторяемости , т. е. какова вероятность того, что обнаруженная точка на одном изображении будет обнаружена на другом изображении той же сцены, если мы предположим, что локальная область изображения вокруг точки описывается аффинным преобразованием между изображениями. Детектор с высокой повторяемостью создает точки интереса, которые, вероятно, будут обнаружены также на втором изображении, и такие точки могут, например, отслеживаться в течение длительного времени в последовательности изображений. Существуют некоторые исследования повторяемости некоторых различных детекторов, например

* Кристиан Миколайчик, Тинне Туйтелаарс, Корделия Шмид, Эндрю Зиссерман, Дж. Матас, Ф. Шаффалицки, Т. Кадир и Л. Ван Гул (2005). «Сравнение детекторов аффинных областей». International Journal of Computer Vision . 65 (1/2): 43--72.

* Кристиан Миколайчик и Корделия Шмид (2005). «Оценка производительности локальных дескрипторов». Труды IEEE по машинному интеллекту с анализом шаблонов . 27 (10): 1615--1630.

-- KYN ( обсуждение ) 21:07, 9 ноября 2008 (UTC) [ ответить ]

Как определить пороговое значение детектора углов Харриса? Если интенсивность изображения находится в пределах 0~255, пороговое значение меры угловатости составляет около 1500, тогда мы можем получить достаточно углов. Однако, если значение серого цвета изображения ниже 60, то же пороговое значение не может получить угол. Какова связь между пороговым значением и диапазоном интенсивности изображения? Можем ли мы определить пороговое значение автоматически? Спасибо? Aaron.me (обсуждение) 14:55, 22 ноября 2008 (UTC) CAS [ ответить ]

Я хотел бы пересмотреть предложение KYN о том, чтобы алгоритмы обнаружения были разделены на отдельные статьи. Текущий список детекторов неполный. Хотя я не утверждаю, что он должен быть полным, я считаю разумным предположить, что он может еще расти по мере продолжения исследований в этой области. В нынешнем виде статья читается как список этих детекторов.

Некоторые разделы детекторов, такие как Shi и Tomasi, могли бы быть расширены. Однако раздел детекторов Harris & Stephens выглядит достаточно большим, чтобы заслужить отдельную статью. У меня нет технических знаний для этого, и я новичок в Википедии, но ведение обзора детекторов и их подхода, а также включение ссылок на те, где доступна значимая информация, кажется хорошим подходом. Просто в качестве возможного примера, раздел об алгоритме обнаружения углов Wang and Brady выглядит как хороший баланс между краткостью и предоставлением ощущения от детектора.

Просматривая статью, я сбит с толку порядком, в котором даны алгоритмы. Он хронологический? Думаю, краткое объяснение было бы полезно. Если не хронологический, то некоторые детекторы выглядят так, будто они больше следуют за другими, например, аффинно-адаптированный оператор точки интереса, идущий после операторов Харриса. Я собираюсь взять на себя смелость изменить порядок в этом случае.

Он хронологический в том смысле, что они примерно в том порядке, в котором они были добавлены. Как насчет группировки, например, локальных методов SSD (Moravec, Harris, Forstner), локальных производных методов (LoG, DoG, DoH, Wang&Brady), прямых пиксельных методов (SUSAN, Trejkivoc& Hedley, FAST) и обученных детекторов? Возможно, хронология в начале тоже была бы полезна. Также, похоже, полностью отсутствуют методы, основанные на краях, такие как пространство масштаба кривизны и гораздо более ранние методы. Serviscope Minor (обсуждение) 19:42, 19 октября 2010 (UTC) [ ответить ]

>>Причина, по которой аффинно-адаптированные операторы точек интереса следуют немного дальше в статье, заключается в том, что аффинная адаптация формы может быть объединена с несколькими типами детекторов точек интереса, такими как лапласиан и определитель гессиана (примеры можно найти в статье Линдеберга (2008) в энциклопедии eq). Tpl ( обсуждение ) 15:53, 21 октября 2010 (UTC) [ ответить ]

В статье отсутствуют встроенные цитаты, и некоторые утверждения об эффективности операторов, похоже, являются именно таковыми. Цитаты были бы полезны для прояснения этого.

>>Раньше было больше ссылок, но, похоже, они были утеряны в результате редактирования другими людьми. Tpl ( обсуждение ) 15:55, 21 октября 2010 (UTC) [ ответить ]

>>>Некоторые пропали во время моих правок. Также некоторые, похоже, были нерелевантными (например, 3 почти идентичных цитаты на одно и то же), а некоторые я не смог сопоставить ни с одним местом в статье. Serviscope Minor (обсуждение) 19:39, 25 октября 2010 (UTC) [ ответить ]

Наконец, поскольку я смотрю на это с точки зрения неспециалиста, было бы весьма полезно узнать больше о значении обнаружения углов, включая несколько слов о его историческом развитии. Кроме того, обсуждение его современных и исторических применений помогло бы в понимании этой концепции.

Подводя итог моим просьбам:

• Объединение угловых детекторов
• Встроенные цитаты
• История, применение, значение.

Я сделаю все возможное в этом направлении, при условии дальнейшего обсуждения или возражений.

Umiushi (обс.) 20:20, 8 июня 2010 (UTC) [ ответить ]

Для тех ссылок, которые не могут быть сопоставлены с внутристрочными цитатами, я бы предложил вернуть их к маркированному списку и создать новый раздел: Библиография. Umiushi (обсуждение) 20:49, 8 июня 2010 (UTC) [ ответить ]

Извините, похоже, что ссылки нужно преобразовать в список ссылок. Я верну их обратно в ненумерованный вид. Umiushi (обс.) 21:01, 8 июня 2010 (UTC) [ ответить ]

Я исправил цитаты в надлежащий список ссылок. Некоторые могли пропасть, но некоторые были не так уж и важны. Serviscope Minor (обсуждение) 19:42, 19 октября 2010 (UTC) [ ответить ]

Некоторые дополнительные детекторы углов/операторы интересов, которые могут появиться на этой странице (из таблицы на http://www.cim.mcgill.ca/~DPARKS/CornerDetector/mainBackground.htm): Beaudet, Kitchen & Rosenfeld, Forstner, Deriche и Zheng & Wang. Umiushi (обс.) 21:30, 8 июня 2010 (UTC) [ ответить ]

Хороший момент. Однако он рискует стать списком почти всех детекторов углов. Какие критерии следует использовать для их фильтрации? Serviscope Minor (обсуждение) 19:42, 19 октября 2010 (UTC) [ ответить ]

Если вы планируете переписать статью, пожалуйста, постарайтесь сохранить то, что в ней есть хорошего; довольно краткий обзор различных подходов к обнаружению углов, включая основы, лежащие в основе каждого подхода. Я бы предложил не разбивать эту статью на несколько отдельных статей, поскольку тогда обзор будет потерян для новых читателей, которые еще не знакомы с этой областью. Если кто-то хочет написать более подробные статьи о различных подходах, это можно сделать в качестве дополнения, согласно идее Википедии о предоставлении соответствующей информации в каждой статье. Tpl ( обсуждение ) 15:04, 20 октября 2010 (UTC) [ ответ ]

Я просмотрел статью и почистил ссылки. Если вы собираетесь добавлять ссылки, я прошу вас сделать следующее:

• Не используйте цитаты автор-год. ​​Текущий стиль статьи — только числовые, а смешение стилей выглядит уродливо. На самом деле, мне все равно, какие цитаты используются, если они последовательны. Так что если кто-то очень настойчиво настроен и хочет изменить всю статью одним махом, я не буду возражать.
• Не форматируйте ссылки вручную. Все ссылки в настоящее время форматируются автоматически (см. записи в разделе ссылок). Если вы форматируете ссылки вручную, они будут иметь непоследовательные стили и сделают список ссылок некрасивым. Als
• Определите ссылки в разделе ссылок в конце, а не в строке. Это упрощает управление ссылками, что важно, поскольку список ссылок становится довольно большим.

Serviscope Minor (обсуждение) 23:46, 2 декабря 2010 (UTC) [ ответить ]

Одним из последних изменений, похоже, является детектор углов AGAST. Статья кажется интересной, но я не думаю, что она (пока?) подходит для включения в эту статью. В настоящее время это совершенно новая техника, совершенно не проверенная и не получившая вообще никаких ссылок. Большинство других ссылок, как правило, имеют сотни или тысячи ссылок, что делает их общеизвестными устоявшимися техниками. Главным исключением является детектор углов на основе GP. Я думаю, что стоит сохранить ее, поскольку это, вероятно, самая известная / наиболее цитируемая статья в относительно новой теме механически генерируемых детекторов углов. Я не думаю, что FAST и AGAST относятся к этой категории, поскольку они больше соответствуют направлениям использования теории кодирования для того, чтобы заставить разработанный человеком детектор углов работать быстро. Если никто не возражает, я собираюсь удалить эту ссылку.

Также с другой стороны, две ссылки на "Lindeberg" имеют очень похожие названия (обнаружение для одной и отслеживание для другой). Учитывая, что статья посвящена обнаружению, а не отслеживанию, ссылка на отслеживание кажется довольно периферийно связанной. Я не очень хорошо знаю эту конкретную работу, так что может ли кто-нибудь еще прокомментировать?

Serviscope Minor (обсуждение) 23:48, 2 декабря 2010 (UTC) [ ответить ]

Кроме того, новое описание AGAST кажется немного странным в некоторых отношениях. В следующем:

Кроме того, вместо жадного троичного дерева вычисляются оптимальные бинарные деревья решений. Таким образом, AGAST превосходит FAST и не имеет недостатков. Однако вычисление оптимального дерева решений является дорогостоящим, и для больших r неизбежно приближение с использованием жадного алгоритма, такого как ID3.

Я не вижу, как дерево может быть оптимальным, поскольку оно почти сразу заявляет, что им нужно использовать приблизительный (т.е. не оптимальный) алгоритм. Я думаю, что оптимальное дерево для задачи из 20 вопросов — NP-трудное. Это утверждение, похоже, просто отражает статью. Я посмотрел статью, и она не проливает никакого света на этот вопрос.

Serviscope Minor (обсуждение) 00:00, 3 декабря 2010 (UTC) [ ответить ]

>> AGAST всегда строит оптимальные деревья. Конечно, вычисление таких деревьев является вычислительно сложным, но это осуществимо даже для маски, используемой в FAST. Проблемы возникают только если r слишком велико (из-за сложности проблемы, как вы отметили) - но большие маски не сохраняют ограничение локальности и их следует избегать. Для построения дерева AGAST не используется приближение. Однако я согласен, что AGAST является совершенно новым, и, вероятно, стоит подождать и понаблюдать за его влиянием, прежде чем добавлять его в статью. Oel mi ( talk ) 12:49, 8 декабря 2010 (UTC) [ reply ]

Статья Бретцнера и Линдеберга об отслеживании особенностей показывает хорошую стабильность угловых особенностей при изменении масштаба, что может быть не так легко понять из статьи Линдеберга 1998 года или книги 1994 года. Статья об отслеживании также показывает, как информация о масштабе от адаптивного к масштабу углового детектора может быть использована выгодным образом при сопоставлении таких угловых особенностей между различными изображениями. Tpl ( обсуждение ) 16:43, 2 декабря 2010 (UTC) [ ответ ]

Ладно. Я оставлю это. Serviscope Minor (обсуждение) 23:48, 2 декабря 2010 (UTC) [ ответить ]

В статье есть следующая строка:

На практике большинство так называемых методов обнаружения углов обнаруживают точки интереса в целом, а не углы в частности.[необходима ссылка]

Насколько я могу судить, детекторы углов начинались как методы обнаружения углов на кривых. Естественно, поскольку они являются низкоуровневыми, они всегда были неспособны обнаруживать углы объектов. Но название прижилось, и поэтому такие вещи, как Harris (и все остальное в статье) стали называть детекторами углов. Я считаю, что «угол» — это своего рода отвлекающий маневр. Однако, может ли кто-нибудь здесь вспомнить цитату, подтверждающую это? Я немного запутался. Serviscope Minor (обсуждение) 00:09, 3 декабря 2010 (UTC) [ ответить ]

Здравствуйте, уважаемые википедисты!

Я только что изменил одну внешнюю ссылку на Corner 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/20110717210134/http://cienciascomp.cicese.mx/evovision/olague_EC_MIT.pdf в http://cienciascomp.cicese.mx/evovision/olague_EC_MIT.pdf

Закончив просмотр моих изменений, вы можете следовать инструкциям в шаблоне ниже, чтобы исправить любые проблемы с URL-адресами.

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 ) 21:08, 18 сентября 2017 (UTC) [ ответить ]