UNSW CV week3 Feature Representation - Shape features

Posted cheviszhang

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了UNSW CV week3 Feature Representation - Shape features相关的知识,希望对你有一定的参考价值。

https://webcms3.cse.unsw.edu.au/static/uploads/course/COMP9517/20T2/18f4c394e47c2ee9eb687391ef1569e74d6f254b404f953404ebe5aabdc2ee36/COMP9517_20T2W3_Feature_Representation_Part_2.pdf

总结:

  Basic Shape features , shape context, HOG

 

Basic Shape features:

  1) diff = object的最小多凸多边形面积 - object面积, 即下图中白色区域

  技术图片

 

 

 

  2)Compatness = object面积/ 与object同周长的圆的面积

    Circularity = 4Π*object面积/ 周长的平方

  技术图片

  3)Elongation = lenght / width

    Eccentricity = minor axis / major axis

  技术图片

 

 

 Boundary Descriptors:

  1) Chain code descriptor : 确定8个方向,用一串连续的数字来表示shape的走势,如2 1 0 7 7 0 1 1

  2)Local curvature descriptor: 曲率(curvature)是图形的attribute,将图形每个点的curvature连在一起,可画出曲率图。凸点>0,凹点<0.

    (1)Geometrical interpretation: K(s) = 1 / r(s)     ;  r(s)是该点处fit圆的半径,半径越大,曲率越小,所以取倒数

    (2)Physical interpretation: 取每个点的导数  K(s) = dτ/ds 

  3) Radial distance descriptor: 所有边界上的点到中心点的距离之和,类似于方差(这个方法不是很清楚) 衡量 roughness

 

以上是关于UNSW CV week3 Feature Representation - Shape features的主要内容,如果未能解决你的问题,请参考以下文章

CV_HAAR_FEATURE_DESC_MAX和CV_HAAR_FEATURE_MAX

打开 CV 3.0 findHomography 引发错误

机器学习进阶-光流估计 1.cv2.goodFeaturesToTrack(找出光流估计所需要的角点) 2.cv2.calcOpticalFlowPyrLK(获得光流检测后的角点位置) 3.cv2.

cell区域-方向梯度直方图

深度学习特征检测LIFT,learnd invariant feature transform

CV:object detection(SIFT)