与 SWIFT 相比,BRIEF 和 ORB 的优缺点

Posted

技术标签:

【中文标题】与 SWIFT 相比,BRIEF 和 ORB 的优缺点【英文标题】:The pro and con of BRIEF and ORB compared to SIFT 【发布时间】:2012-10-24 23:03:53 【问题描述】:

我正在对局部特征表示进行一些研究,例如 SIFT、SURF 等。

现在,这里有人试过BRIEF 和ORB 吗?如果是这样,您能讨论一下 SIFT 的优缺点吗?

【问题讨论】:

【参考方案1】:

here 是我发现的一个比较有用的比较。本质上,BRIEF 和 ORB 更快。那里没有很好的尺度不变性比较,但我个人发现 SURF/SIFT 比 BRIEF 和 ORB 更具尺度不变性。如果您要将这些用于特定用例,我建议您尝试两者,看看哪个最能满足您的需求。

【讨论】:

我建议从 SURF/SIFT 开始,然后,只有当特征提取成为瓶颈时,才探索替代方案,例如 GPU 实现或 BRIEF/ORB。 我发现与 SIFT 和 SURF 相比,BRIEF 和 ORB 背后的理论更容易理解,所以我实际上建议相反。二进制描述符(例如BRIEF)被证明比SURF描述符更好,因为它们......嗯......二进制性质。与欧几里得相比,计算汉明距离快如闪电,更不用说存储优势了。除此之外,我还建议阅读每篇论文。例如,由于 SURF 出现在 ORB 之前,因此原始论文不会提供与 ORB 的比较,因此您必须查看其他地方。 ORB 上的论文也提供了它。 ORB 不是尺度不变的:vision.cs.chubu.ac.jp/CV-R/pdf/Rublee_iccv2011.pdf【参考方案2】:

SURF/SIFT 使用需要以某种方式支付的专利。我不是最新的,但成本可能很大。所以如果可能的话,我会选择 ORB - 当然,如果你不关心钱:)

SIFT:算法在美国获得专利;所有者是不列颠哥伦比亚大学。 (http://en.wikipedia.org/wiki/Scale-invariant_feature_transform)

SURF:该算法的一项应用已在美国获得专利。 (http://en.wikipedia.org/wiki/SURF)

【讨论】:

请不要发布模糊的假设作为答案。如果您不能提供一些参考,那么您的回答只能提供有限的帮助。 @honk 答案含糊不清的事实没有理由不发布。我认为SIFT获得专利是重要的信息。然而,让你的答案更具体是个好主意。 我认为重要的信息是 SIFT 获得了专利: 是的,没错。但是在您的回答中,您仅声明 您认为它已获得专利,而没有提供任何参考。这听起来好像你不确定。您为什么不至少在您的答案中添加this 和this 链接,以便提供SURF/SIFT 在美国获得专利的最小参考?无意冒犯:我只是想激励您改进答案。 希望您对减少的模糊性感到满意;) 2020 年更新:SIFT 专利expired in March?

以上是关于与 SWIFT 相比,BRIEF 和 ORB 的优缺点的主要内容,如果未能解决你的问题,请参考以下文章

ORB 特征点 (Oriented FAST and Rotated BRIEF)

ORB算法与opencv实现

ORB算法与opencv实现

图像处理检测方法 — ORB(Oriented FAST and Rotated BRIEF)

opencv ORB特征匹配

请问何为混合应用 (Hybrid APP) ,与原生 Native 应用相比它的优劣势