Glossário IA
O dicionário completo da Inteligência Artificial
SIFT (Scale-Invariant Feature Transform)
Algoritmo de detecção e descrição de pontos de interesse invariante à escala e rotação, utilizando espaços multiescala e descritores baseados em histogramas de orientação.
SURF (Speeded Up Robust Features)
Método acelerado de detecção de características usando aproximações de caixa para o cálculo de determinantes de Hessian, oferecendo desempenho superior ao SIFT com robustez similar.
ORB (Oriented FAST and Rotated BRIEF)
Detector-descritor binário combinando FAST para detecção e BRIEF para descrição, com adição de orientação para invariância à rotação, oferecendo alternativa livre e eficiente ao SIFT/SURF.
Harris Corner Detector
Algoritmo clássico de detecção de cantos baseado na análise da matriz de autocorrelação de gradientes locais, identificando pontos onde as variações de intensidade são significativas em múltiplas direções.
FAST (Features from Accelerated Segment Test)
Detector de pontos de interesse de alto desempenho baseado na comparação da intensidade de pixels vizinhos com um limiar, otimizado para cálculo em tempo real.
BRIEF (Binary Robust Independent Elementary Features)
Descritor binário compacto gerando vetores de bits por comparação aleatória de pares de pixels em um patch, oferecendo velocidade extrema em detrimento da invariância à rotação.
HOG (Histogram of Oriented Gradients)
Descritor de características contando as ocorrências de orientação dos gradientes em porções localizadas de uma imagem, particularmente eficaz para detecção de objetos.
Descritor Binário
Representação compacta de características locais na forma de vetores binários, permitindo comparações extremamente rápidas usando operações XOR e distância de Hamming.
Correspondência de características
Processo de identificação de pares de pontos de interesse correspondentes entre duas ou mais imagens, essencial para montagem de imagens, rastreamento e reconstrução 3D.
Ponto de interesse
Posição espacial em uma imagem apresentando uma característica distintiva e repetível, como um canto, um blob ou uma região texturizada, que pode ser detectada de forma confiável.
Descritor local
Vetor numérico que descreve a aparência visual de uma região ao redor de um ponto de interesse, capturando informações essenciais para identificação robusta apesar das transformações.
Espaço de escala
Representação multi-resolução de uma imagem gerando versões em diferentes escalas para detectar características invariantes às mudanças de tamanho, fundamental para SIFT e SURF.
RANSAC (Random Sample Consensus)
Algoritmo iterativo robusto que estima os parâmetros de um modelo a partir de dados contendo outliers, amplamente utilizado para filtrar correspondências incorretas em visão computacional.
Detector de cantos
Classe de algoritmos que identificam pontos de alta curvatura nas imagens onde os gradientes apresentam variações significativas em pelo menos duas direções ortogonais.
Invariância à rotação
Propriedade de um detector ou descritor que produz resultados estáveis apesar das rotações da imagem, geralmente alcançada estimando a orientação local do patch.
Invariância à escala
Capacidade de um algoritmo de detectar e descrever as mesmas características independentemente de seu tamanho aparente na imagem, realizada pela busca no espaço de escala.
Filtro de DoG (Difference of Gaussians)
Operador que aproxima o Laplaciano de Gaussiana pela subtração de duas versões desfocadas da imagem com desvios padrão diferentes, usado em SIFT para detecção de blobs.
LoG (Laplacian of Gaussian)
Filtro de detecção de blobs que combina um suavização gaussiana com um operador laplaciano, identificando as regiões de extremo local no espaço de escala para uma detecção invariante à escala.
Corner Response Function
Função matemática que quantifica a probabilidade de um pixel ser um canto baseado nos valores próprios da matriz de gradientes locais, usada nos detectores de tipo Harris.
Non-maximum suppression
Técnica de pós-processamento que elimina as respostas redundantes dos detectores mantendo apenas os máximos locais, garantindo uma melhor distribuição espacial dos pontos de interesse.