AI用語集
人工知能の完全辞典
SIFT（スケール不変特徴変換）
マルチスケール空間と向きヒストグラムベースの記述子を使用する、スケールと回転に対して不変な関心点検出および記述アルゴリズム。
SURF（高速化されたロバスト特徴）
ヘッシアン行列の行列式の計算にボックス近似を使用する高速化された特徴検出手法で、同様のロバスト性を持ちながらSIFTよりも優れた性能を提供します。
ORB（向き付きFASTと回転BRIEF）
検出にFAST、記述にBRIEFを組み合わせ、回転不変性のために向きを追加したバイナリ検出記述子で、SIFT/SURFの自由で効率的な代替手段を提供します。
ハリスコーナー検出器
局所的な勾配の自己相関行列の分析に基づく古典的なコーナー検出アルゴリズムで、複数の方向で強度変化が顕著な点を特定します。
FAST（高速化セグメントテストからの特徴）
近傍ピクセルの強度を閾値と比較して、リアルタイム計算用に最適化された高性能な関心点検出器。
BRIEF（バイナリロバスト独立基本特徴）
パッチ内のランダムなピクセルペアの比較によってビットベクトルを生成するコンパクトなバイナリ記述子で、回転不変性を犠牲にして極端な高速性を提供します。
HOG（方向勾配ヒストグラム）
画像の局所的な部分で勾配の向きの出現回数を数える特徴記述子で、特に物体検出に効果的です。
バイナリ記述子
バイナリベクトルとしての局所特徴のコンパクトな表現で、XOR操作とハミング距離を使用して極めて高速な比較を可能にします。
特徴量マッチング
2つ以上の画像間で対応する関心点のペアを識別するプロセスで、画像ステッチング、追跡、3D再構成に不可欠。
関心点
画像内で特徴的で反復可能な空間的位置で、角、ブロブ、テクスチャ領域など、確実に検出できる位置。
局所記述子
関心点周辺の領域の視覚的見た目を記述する数値ベクトルで、変換に対しても頑健な識別のために重要な情報を捕捉。
スケール空間
画像のマルチ解像度表現で、サイズの変化に対して不変な特徴を検出するために異なるスケールでバージョンを生成。SIFTとSURFの基礎。
RANSAC (Random Sample Consensus)
外れ値を含むデータからモデルのパラメータを推定する頑健な反復アルゴリズムで、コンピュータビジョンで誤った一致をフィルタリングするために広く使用。
コーナー検出器
画像内で強い曲率を持つ点、つまり少なくとも2つの直交方向で勾配に有意な変化がある点を識別するアルゴリズムのクラス。
回転不変性
画像の回転にかかわらず安定した結果を生成する検出器または記述子の特性で、通常、パッチの局所的な向きを推定することで達成。
スケール不変性
アルゴリズムが画像内での見かけのサイズに関係なく同じ特徴を検出し記述できる能力で、スケール空間内での探索によって実現。
DoGフィルタ（Difference of Gaussians）
異なる標準偏差でぼかした2つの画像の差分を取ることで、ガウスのラプラシアンを近似する演算子。SIFTにおいてblob検出に使用される。
LoG（Laplacian of Gaussian）
ガウシアン平滑化とラプラシアン演算子を組み合わせたblob検出フィルタ。スケール空間における局所的な極値領域を識別し、スケール不変な検出を実現する。
コーナーレスポンス関数
局所勾配行列の固有値に基づいて、画素がコーナーである確率を定量化する数学的関数。ハリスタイプの検出器で使用される。
Non-maximum suppression（非極大値抑制）
検出器の冗長な応答を除去する後処理技術で、局所的な極大値のみを保持し、関心点のより良い空間分布を保証する。