Geometric hashing (original) (raw)
في علوم الحاسوب، تعد التجزئة الهندسية طريقة فعالة لإيجاد كائنات ثنائية الأبعاد ممثلة بنقاط منفصلة خضعت لعملية تحويل تآلفي، على الرغم من وجود امتدادات لتمثيلات وتحولات الكائنات الأخرى. في خطوة خارج الخط، يتم تشفير الكائنات عن طريق معالجة كل زوج من النقاط كاساس هندسي. يمكن تمثيل النقاط المتبقية بطريقة ثابتة فيما يتعلق بهذا الأساس باستخدام عامل متغير في التجزئة. لكل نقطة، يتم تخزين إحداثياتها المحولة الكمية في جدول التجزئة كمفتاح، ومؤشرات نقاط الأساس كقيمة. ثم يتم تحديد زوج جديد من النقاط الأساسية، وتتكرر العملية من جديد. في خطوة التعرف عبر الإنترنت، يتم اعتبار أزواج نقاط البيانات المختارة عشوائيًا كقواعد مرشحة. لكل أساس مرشح، يتم ترميز نقاط البيانات المتبقية وفقًا للأساس ويتم العثور على المراسلات المحتملة من الكائن في الجدول الذي تم إنشاؤه مسبقًا. يتم قبول أساس المرشح إذا كان عدد كبير بما في
| Property | Value |
|---|---|
| dbo:abstract | في علوم الحاسوب، تعد التجزئة الهندسية طريقة فعالة لإيجاد كائنات ثنائية الأبعاد ممثلة بنقاط منفصلة خضعت لعملية تحويل تآلفي، على الرغم من وجود امتدادات لتمثيلات وتحولات الكائنات الأخرى. في خطوة خارج الخط، يتم تشفير الكائنات عن طريق معالجة كل زوج من النقاط كاساس هندسي. يمكن تمثيل النقاط المتبقية بطريقة ثابتة فيما يتعلق بهذا الأساس باستخدام عامل متغير في التجزئة. لكل نقطة، يتم تخزين إحداثياتها المحولة الكمية في جدول التجزئة كمفتاح، ومؤشرات نقاط الأساس كقيمة. ثم يتم تحديد زوج جديد من النقاط الأساسية، وتتكرر العملية من جديد. في خطوة التعرف عبر الإنترنت، يتم اعتبار أزواج نقاط البيانات المختارة عشوائيًا كقواعد مرشحة. لكل أساس مرشح، يتم ترميز نقاط البيانات المتبقية وفقًا للأساس ويتم العثور على المراسلات المحتملة من الكائن في الجدول الذي تم إنشاؤه مسبقًا. يتم قبول أساس المرشح إذا كان عدد كبير بما فيه الكفاية من نقاط البيانات مؤشرًا على أساس كائن ثابت. تم اقتراح التجزئة الهندسية في الأصل في الرؤية الحاسوبية للتعرف على الأشياء ثنائية وثلاثية الأبعاد، ولكن تم تطبيقها لاحقًا على مشاكل مختلفة مثل التراصف البنيوي للبروتينات. (ar) In computer science, geometric hashing is a method for efficiently finding two-dimensional objects represented by discrete points that have undergone an affine transformation, though extensions exist to other object representations and transformations. In an off-line step, the objects are encoded by treating each pair of points as a geometric basis. The remaining points can be represented in an invariant fashion with respect to this basis using two parameters. For each point, its quantized transformed coordinates are stored in the hash table as a key, and indices of the basis points as a value. Then a new pair of basis points is selected, and the process is repeated. In the on-line (recognition) step, randomly selected pairs of data points are considered as candidate bases. For each candidate basis, the remaining data points are encoded according to the basis and possible correspondences from the object are found in the previously constructed table. The candidate basis is accepted if a sufficiently large number of the data points index a consistent object basis. Geometric hashing was originally suggested in computer vision for object recognition in 2D and 3D, but later was applied to different problems such as structural alignment of proteins. (en) |
| dbo:thumbnail | wiki-commons:Special:FilePath/GeometricHasingExample.png?width=300 |
| dbo:wikiPageExternalLink | http://graphics.stanford.edu/courses/cs468-01-winter/papers/wr-ghao-97.pdf |
| dbo:wikiPageID | 474939 (xsd:integer) |
| dbo:wikiPageLength | 8255 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1041466765 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Robust_decision dbr:Basis_(linear_algebra) dbr:Invariant_(mathematics) dbr:Structural_alignment dbc:Search_algorithms dbr:Occlusion_culling dbr:Collinearity dbr:Computer_science dbr:Computer_vision dbc:Geometric_data_structures dbr:Affine_transformation dbc:Computer_vision dbr:Feature_detection_(computer_vision) dbr:Visual_descriptors dbr:Object_recognition dbr:Protein dbr:Quantization_(signal_processing) dbr:Hash_table dbr:Scale-invariant_feature_transform dbr:Perceptual_hashing dbr:File:GeometricHasingExample.png |
| dbp:wikiPageUsesTemplate | dbt:Distinguish dbt:Reflist |
| dct:subject | dbc:Search_algorithms dbc:Geometric_data_structures dbc:Computer_vision |
| rdf:type | owl:Thing yago:WikicatSearchAlgorithms yago:Abstraction100002137 yago:Act100030358 yago:Activity100407535 yago:Algorithm105847438 yago:Arrangement105726596 yago:Cognition100023271 yago:DataStructure105728493 yago:Event100029378 yago:Procedure101023820 yago:PsychologicalFeature100023100 yago:WikicatGeometricDataStructures yago:YagoPermanentlyLocatedEntity yago:Rule105846932 yago:Structure105726345 |
| rdfs:comment | في علوم الحاسوب، تعد التجزئة الهندسية طريقة فعالة لإيجاد كائنات ثنائية الأبعاد ممثلة بنقاط منفصلة خضعت لعملية تحويل تآلفي، على الرغم من وجود امتدادات لتمثيلات وتحولات الكائنات الأخرى. في خطوة خارج الخط، يتم تشفير الكائنات عن طريق معالجة كل زوج من النقاط كاساس هندسي. يمكن تمثيل النقاط المتبقية بطريقة ثابتة فيما يتعلق بهذا الأساس باستخدام عامل متغير في التجزئة. لكل نقطة، يتم تخزين إحداثياتها المحولة الكمية في جدول التجزئة كمفتاح، ومؤشرات نقاط الأساس كقيمة. ثم يتم تحديد زوج جديد من النقاط الأساسية، وتتكرر العملية من جديد. في خطوة التعرف عبر الإنترنت، يتم اعتبار أزواج نقاط البيانات المختارة عشوائيًا كقواعد مرشحة. لكل أساس مرشح، يتم ترميز نقاط البيانات المتبقية وفقًا للأساس ويتم العثور على المراسلات المحتملة من الكائن في الجدول الذي تم إنشاؤه مسبقًا. يتم قبول أساس المرشح إذا كان عدد كبير بما في (ar) In computer science, geometric hashing is a method for efficiently finding two-dimensional objects represented by discrete points that have undergone an affine transformation, though extensions exist to other object representations and transformations. In an off-line step, the objects are encoded by treating each pair of points as a geometric basis. The remaining points can be represented in an invariant fashion with respect to this basis using two parameters. For each point, its quantized transformed coordinates are stored in the hash table as a key, and indices of the basis points as a value. Then a new pair of basis points is selected, and the process is repeated. In the on-line (recognition) step, randomly selected pairs of data points are considered as candidate bases. For each candid (en) |
| rdfs:label | التجزئة الهندسية (ar) Geometric hashing (en) |
| owl:differentFrom | dbr:Geohashing |
| owl:sameAs | freebase:Geometric hashing yago-res:Geometric hashing wikidata:Geometric hashing dbpedia-ar:Geometric hashing https://global.dbpedia.org/id/4kL4Z |
| prov:wasDerivedFrom | wikipedia-en:Geometric_hashing?oldid=1041466765&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/GeometricHasingExample.png |
| foaf:isPrimaryTopicOf | wikipedia-en:Geometric_hashing |
| is dbo:wikiPageWikiLink of | dbr:List_of_algorithms dbr:Hash_function dbr:Circular_permutation_in_proteins dbr:Perceptual_hashing dbr:Outline_of_computer_vision dbr:Outline_of_object_recognition |
| is foaf:primaryTopic of | wikipedia-en:Geometric_hashing |
