【问题标题】:How to evaluate feature detection algorithm如何评价特征检测算法
【发布时间】:2021-05-08 09:57:22
【问题描述】:

我开发了一个项目,尝试在图像中找到特征或兴趣点 我使用了两种已知算法,即 Harris Corner Detector 和 SIFT。

我正在寻找一种方法来创建某种基本事实或考虑一些参数和一些阈值,对于我创建的每个功能,我可以检查它是否超过阈值,但我还没有找到怎么做它。

我认为的另一件事是通过查看图像来预先确定和手动标记兴趣点,但我认为不建议以这种方式进行评估,因为人眼会有非常小尺度的元素很难认出。

我希望我很清楚 非常感谢

【问题讨论】:

    标签: computer-vision feature-extraction evaluation sift


    【解决方案1】:

    我曾研究过类似的问题,我的目标是设计一种用于工程绘图文档图像中的关键点检测和匹配的算法。

    一个好的关键点是具有非常丰富的特征(关键点描述符)的任何图像像素,可以进一步用于轻松区分不同的关键点。

    以下是衡量关键点算法准确性的方法:

    • 您可以使用任何关键点特征提取(SIFT 特征、快速特征)和匹配算法来查找算法识别的关键点之间的匹配项
    • 计算关键点之间的真假匹配,以计算准确度指标,从而了解关键点检测算法对您的任务的准确性。

    【讨论】:

    • 感谢您的帮助。我想我明白你的意思。问题是我的算法是 SIFT,并不是我写了自己的算法,我可以将它与已知算法之一进行比较。我的问题基本上是我如何知道正确检测到多少点以及如何不知道特定图像。我怎么知道它是否好?我可以用什么衡量标准来正确识别足够多的点?
    • 如果您手动注释了关键点,您可以将它们与 SIFT 输出进行比较,但很难确定哪些关键点与您的任务更相关。
    • 我的想法是给定2个任务,任务-A,任务-b,如果任务-b是从任务-a派生的,那么任务-b的准确性也是任务-a的函数,所以在这种情况下,我们可以使用 task-b 的准确度来估计 task-a 的准确度。
    猜你喜欢
    • 2016-01-11
    • 2016-05-19
    • 1970-01-01
    • 2013-11-01
    • 1970-01-01
    • 1970-01-01
    • 2020-10-15
    • 2012-05-17
    • 2013-09-23
    相关资源
    最近更新 更多