image-processing - 特徴検出器と記述子の比較

Question

SIFT、SURF、FAST など、いくつかの種類の検出器と記述子があります。それらはすべてリアルタイム アプリケーションの対象となるのだろうか。どれが最高またはより良いですか？

さらに、上記の 3 つが既にある場合でも、Harris-Laplacian 検出器はまだ有用ですか? 彼らよりも優れていますか？

Answer 1

さまざまな要因 (視点の変化など) に対する不変性が必要な場合は、検出にHessian-AffineとMSERを使用するか、リアルタイムが必要な場合は FAST を使用することをお勧めします。FAST は Harris と同様の仕事をしていますが、はるかに高速です。

「 Local Invariant Feature Detectors: A Survey」と「A Comparison of Affine Region Detectors 」を調べることができます。ここでは、多くの検出器がテストされ、非常によく説明されています。

更新: " WxBS: Wide Baseline Stereo Generalizations " は、新規および古典的な検出器と記述子の拡張ベンチマークを行います。

第二に、記述部分は通常、検出よりも遅いため、リアルタイムにするには、GPU またはBRIEFやFREAKなどのバイナリ記述子を使用する必要があります。

Update2:「HPatches (ホモグラフィ パッチ) データセットとベンチマーク」および対応する ECCV 2016 のワークショップ。http://www.iis.ee.ic.ac.uk/ComputerVision/DescrWorkshop/index.html .

Update3:「手作りと学習した局所特徴の比較評価」 大規模な 3D 再構成タスク CVPR 2017 に関する記述子 (およびビット検出器) の評価。

Update4:「ApolloScape データセットでの関心点検出器の安定性評価」 自動運転データセット ECCVW2018 での検出器評価。

更新 5:「手作りからディープ ローカル不変機能まで」 手作りの機能と学習した機能に関する Huuuge の調査概要論文、2018 年。

Update6:「幅広いベースラインでのイメージ マッチング: 紙から実践へ」 上記および最近のカメラ ポーズ推定方法の大規模ベンチマーク。IJCV, 2020.