Глоссарий ИИ
Полный словарь искусственного интеллекта
SIFT (Scale-Invariant Feature Transform)
Алгоритм обнаружения и описания особых точек, инвариантных к масштабу и вращению, использующий многомасштабные пространства и дескрипторы на основе гистограмм ориентации.
SURF (Speeded Up Robust Features)
Ускоренный метод обнаружения признаков, использующий аппроксимации прямоугольников для вычисления детерминантов матрицы Гессе, обеспечивающий производительность выше, чем у SIFT, при схожей устойчивости.
ORB (Oriented FAST and Rotated BRIEF)
Бинарный детектор-дескриптор, объединяющий FAST для обнаружения и BRIEF для описания, с добавлением ориентации для инвариантности к вращению, предлагающий свободную и эффективную альтернативу SIFT/SURF.
Harris Corner Detector
Классический алгоритм обнаружения углов, основанный на анализе матрицы автокорреляции локальных градиентов, выявляющий точки, где изменения яркости значительны в нескольких направлениях.
FAST (Features from Accelerated Segment Test)
Высокопроизводительный детектор особых точек, основанный на сравнении интенсивности соседних пикселей с порогом, оптимизированный для вычислений в реальном времени.
BRIEF (Binary Robust Independent Elementary Features)
Компактный бинарный дескриптор, генерирующий битовые векторы путём случайного попарного сравнения пикселей в патче, обеспечивающий чрезвычайную скорость в ущерб инвариантности к вращению.
HOG (Histogram of Oriented Gradients)
Дескриптор признаков, подсчитывающий вхождения ориентаций градиентов в локализованных частях изображения, особенно эффективный для обнаружения объектов.
Descriptor Binaire
Компактное представление локальных признаков в виде бинарных векторов, позволяющее проводить чрезвычайно быстрые сравнения с использованием операций XOR и расстояния Хэмминга.
Сопоставление признаков
Процесс идентификации пар соответствующих особых точек между двумя или более изображениями, необходимый для сшивки изображений, отслеживания и 3D-реконструкции.
Особая точка
Пространственное положение в изображении, обладающее отличительной и повторяемой характеристикой, такой как угол, пятно или текстурированная область, которое может быть надёжно обнаружено.
Локальный дескриптор
Числовой вектор, описывающий визуальный вид области вокруг особой точки, захватывающий ключевую информацию для надёжной идентификации, несмотря на преобразования.
Масштабное пространство
Многоразрешное представление изображения, генерирующее версии в разных масштабах для обнаружения признаков, инвариантных к изменениям размера, являющееся основой для SIFT и SURF.
RANSAC (Random Sample Consensus)
Итеративный робастный алгоритм для оценки параметров модели по данным, содержащим выбросы, широко используемый для фильтрации неверных соответствий в компьютерном зрении.
Детектор углов
Класс алгоритмов, идентифицирующих точки высокой кривизны в изображениях, где градиенты имеют значительные изменения как минимум в двух ортогональных направлениях.
Инвариантность к вращению
Свойство детектора или дескриптора, обеспечивающее стабильность результатов при вращении изображения, обычно достигаемое за счёт оценки локальной ориентации патча.
Инвариантность к масштабу
Способность алгоритма обнаруживать и описывать одни и те же признаки независимо от их видимого размера в изображении, реализуемая путём поиска в масштабном пространстве.
Фильтр DoG (Разность Гауссиан)
Оператор, аппроксимирующий лапласиан гауссиана путем вычитания двух размытых версий изображения с разными стандартными отклонениями, используемый в SIFT для обнаружения пятен.
LoG (Лапласиан Гауссиана)
Фильтр обнаружения пятен, объединяющий гауссово сглаживание с оператором лапласиана, идентифицирующий области локального экстремума в пространстве масштабов для обнаружения инвариантного к масштабу.
Функция отклика углов
Математическая функция, количественно определяющая вероятность того, что пиксель является углом на основе собственных значений матрицы локальных градиентов, используемая в детекторах типа Харриса.
Подавление немаксимумов
Техника постобработки, устраняющая избыточные ответы детекторов путем сохранения только локальных максимумов, обеспечивая лучшее пространственное распределение точек интереса.