Computer Vision Metrics: Survey, Taxonomy, and Analysis

Computer Vision Metrics یک بررسی و تجزیه و تحلیل گسترده از بیش از 100 روش توصیف ویژگی های فعلی و تاریخی و روش بینایی ماشین را با یک طبقه بندی دقیق برای ویژگی های محلی، منطقه ای و جهانی ارائه می دهد. این کتاب زمینه لازم را برای توسعه شهود در مورد اینکه چرا آشکارسازهای نقطه علاقه و توصیفگرهای ویژگی واقعاً کار می‌کنند، نحوه طراحی آنها، با مشاهداتی در مورد تنظیم روش‌ها برای دستیابی به اهداف استحکام و تغییر ناپذیری برای کاربردهای خاص، فراهم می‌کند. این نظرسنجی گسترده تر از عمیق است، با بیش از 540 مرجع برای حفاری عمیق تر. طبقه بندی شامل روش های جستجو، اجزای طیف، نمایش توصیفگر، شکل، توابع فاصله، دقت، کارایی، استحکام و ویژگی های تغییر ناپذیری و غیره است. این کتاب به‌جای ارائه مثال‌ها و میانبرهای کد منبع «چگونگی»، بحثی متضاد با بسیاری از منابع خوب کد منبع جامعه opencv در دسترس پزشکان عملی ارائه می‌کند.

Computer Vision Metrics provides an extensive survey and analysis of over 100 current and historical feature description and machine vision methods, with a detailed taxonomy for local, regional and global features. This book provides necessary background to develop intuition about why interest point detectors and feature descriptors actually work, how they are designed, with observations about tuning the methods for achieving robustness and invariance targets for specific applications. The survey is broader than it is deep, with over 540 references provided to dig deeper. The taxonomy includes search methods, spectra components, descriptor representation, shape, distance functions, accuracy, efficiency, robustness and invariance attributes, and more. Rather than providing ‘how-to’ source code examples and shortcuts, this book provides a counterpoint discussion to the many fine opencv community source code resources available for hands-on practitioners.