【北邮鲁鹏老师计算机视觉课程笔记】07 Local feature-Blob detection

【北邮鲁鹏老师计算机视觉课程笔记】07 Local feature-Blob detection

1 实现尺度不变性

不管多近多远,多大多小都能检测出来

找到一个函数,实现尺度的选择特性

2 高斯偏导模版求边缘 做卷积

3 高斯二阶导=拉普拉斯

看哪个信号能产生最大响应

高斯二阶模版检测尺度(用二阶过零点检测边缘)

高斯二阶导有两个参数:方差和窗宽

最后图表示当信号与高斯滤波核能匹配的时候,能产生一个极大值

准备一堆模版上去卷积,看看哪个能产生最大响应

但是随着信号变化发生了信号衰减

高斯偏导核

信号的总面积:随着方差的变大,会越来越小

所以乘以 σ \sigma σ,消去后进行补偿

对于拉普拉斯乘以 σ 2 \sigma^2 σ2

4 怎么进行多尺度检测-尺度与窗宽、高斯方差之间的关系

结论:要有最大响应,

信号宽度与零平面垂直

三种情况

零平面的圆的方程

圆的半径就是尺度

5 不同的尺度去卷积


每一个尺度有一个图像

看具体的一个像素点在图像中的变化

每三个尺度进行比较,只和上下尺度进行比较

如果不做NMS,周边的点也差不多

所以要做NMS,某个点与周边和上下的周边的26个点(同一尺度8个点,上下尺度各9个点)进行比较

6 Harris和Laplacian结合

在Harris角点附近看它有没有Laplacian特性

7 SIFT特征

DOG模版

改进效率问题

①构造高斯差分空间

与原空间只相差一个常数

用一样的卷积核,但是把图像缩小

相关推荐
程序员Linc15 分钟前
写给新人的深度学习扫盲贴:向量与矩阵
人工智能·深度学习·矩阵·向量
xcLeigh23 分钟前
OpenCV从零开始:30天掌握图像处理基础
图像处理·人工智能·python·opencv
果冻人工智能27 分钟前
如何有效应对 RAG 中的复杂查询?
人工智能
go_bai27 分钟前
Linux环境基础开发工具——(2)vim
linux·开发语言·经验分享·笔记·vim·学习方法
2305_7978820936 分钟前
AI识图小程序的功能框架设计
人工智能·微信小程序·小程序
吴梓穆36 分钟前
UE5学习笔记 FPS游戏制作35 使用.csv配置文件
笔记·学习·ue5
果冻人工智能37 分钟前
向量搜索中常见的8个错误(以及如何避免它们)
人工智能
100分题库小程序42 分钟前
2025年机动车授权签字人考试判断题分享
经验分享·笔记
碳基学AI43 分钟前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义免费下载方法
大数据·人工智能·python·gpt·算法·语言模型·集成学习
补三补四1 小时前
机器学习-聚类分析算法
人工智能·深度学习·算法·机器学习