출처
머신 비전의 이해
https://m.blog.naver.com/PostView.naver?isHttpsRedirect=true&blogId=laonple&logNo=220879911249
SIFT와 SURF 알고리즘의 성능적 비교 분석 - 이용환
https://www.koreascience.or.kr/article/JAKO201310457144649.pdf
Scale-Invariant-Feature Transform(SIFT) - 한국과학기술원 전기 및 전자공학과 최성필
https://salkuma.files.wordpress.com/2014/04/sifteca095eba6ac.pdf
한국과학기술원 전기 및 전자공학과 최성필 - Scale-Invariant-Feature Transform(SIFT)
https://salkuma.files.wordpress.com/2014/04/sifteca095eba6ac.pdf - p16
findScaleSpaceExtrema를 이용하는
한국과학기술원 전기 및 전자공학과 최성필 - Scale-Invariant-Feature Transform(SIFT)
https://salkuma.files.wordpress.com/2014/04/sifteca095eba6ac.pdf - p16
이유가 다양한 크기에 대해서 key를 선택한 다음 각 scale 별로 target의 key와 비교하면 scale의 변화를 알 수 있기 때문이다. 코드에서 시간을 줄이는 방법으로는 computeKeypointsAndDescriptors의 함수에서 시그마는 1.6, 그리고 DoG의 수(num_intervals)를 2개로 선택하였다. 이는 빠른 시간으로 이어졌다.
findScaleSpaceExtrema에서
한국과학기술원 전기 및 전자공학과 최성필 - Scale-Invariant-Feature Transform(SIFT) - p17
정확한 key point를 찾기 위해 constrast를 너무 낮거나 edge라서 검출된 특징을 나타내는 영향이 있다. 이에 Taylor 2차 전개로 정확한 extema를 찾아 key를 걸러내기 위해 contrast가 현재 0.04가 인데, 조금씩 늘릴수록 시간이 단축되었다. (0.05 선택)
generateDescriptors 에서 window_width의 수를 줄일수록 시간이 단축되었다.
한국과학기술원 전기 및 전자공학과 최성필 - Scale-Invariant-Feature Transform(SIFT) - p19
사물을 볼 때 서 있는 절대적 위치로 생각한 것을, 상대적인 key point의 특징에 대해서 나타내주기 위해 generateDescriptors 함수를 사용한 것으로 판단한다. 따라서 시간을 단축하기 위해 window의 값이 낮으면 연산량이 낮음을 알 수 있었다. 대신 정확도는 낮아지는 것을 확인할 수 있었다.
