Scale-invariant feature transform (original) (raw)
Scale-invariant feature transform (o SIFT) es un algoritmo usado en visión artificial para extraer características relevantes de las imágenes que posteriormente pueden usarse en reconocimiento de objetos, detección de movimiento, estereopsis, registro de la imagen y otras tareas. El algoritmo fue publicado por primera vez por David Lowe en 1999 pero lo describió completamente y patentó en Estados Unidos en 2004.
| Property | Value |
|---|---|
| dbo:abstract | تحويل صفة صورة غير مرتبط بمقياس أو Scale-invariant feature transform, SIFT هي خوارزمية في مجال الرؤية الحاسوبية طورها البروفيسور الكندي ديفيد لو في عام 1999. وتعتبر من أهم الخوارزميات المستخدمة لأغراض التعرف على الاجسام والبحث عن الصور ضمن خدمة الجوجل. كما تستعمل لربط مجموعة من الصور المتداخلة لتكوين من خلال تحديد نقاط في الصور المراد مقارنتها. كل نقطة توصف بشعاع مؤلف من 128 مركبة، ويتم حساب التشابه بين نقطتين بواسطة المسافة الاقليدية بين شعاعيهما. تتسم هذه الميزات بانها غير مرتبطة بالتحويلات الهندسية Geometry Transformations للصورة كالدوران Rotation والتدرج Scaling (التصغير والتكبير) والتي تنجم عن دوران آلة التصوير أو تغير نقطة التقاط الصورة viewpoint، كما أنها غير مرتبطة بشكل جزئي Photogrammetry Transformations كتغير Contrast أو السطوع Brightness والتي تنجم على سبيل المثال بسبب عمل آلة التصوير في اوقات مختلفة (ليل أو نهار) أو تحت طقس مختلف (غائم أو مشمس وغير ذلك). (ar) Scale-invariant feature transform (engl., „skaleninvariante Merkmalstransformation“, kurz SIFT) ist ein Algorithmus zur Detektion und Beschreibung lokaler Merkmale in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber Koordinatentransformationen wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die Objekterkennung entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der Bildverarbeitung zum Einsatz. Darunter z. B. die Bildregistrierung bzw. das Erstellen von Panoramabildern aus Einzelaufnahmen (Stitching), Objektverfolgung in Videos, Navigation von Robotern oder Gestenerkennung. Der Algorithmus wurde im Jahre 1999 von David G. Lowe veröffentlicht und gilt als Referenzverfahren in seinem Einsatzgebiet. Die University of British Columbia hatte an dem Algorithmus ein US-Patent inne. Die grundlegenden Konzepte von SIFT finden sich in verschiedenen Weiterentwicklungen anderer Autoren wieder. Dabei konnte der Berechnungsaufwand reduziert und die Robustheit von Detektor und Merkmalsbeschreibungen verbessert werden (z. B. SURF, Affine-SIFT, PCA-SIFT). (de) Scale-invariant feature transform (o SIFT) es un algoritmo usado en visión artificial para extraer características relevantes de las imágenes que posteriormente pueden usarse en reconocimiento de objetos, detección de movimiento, estereopsis, registro de la imagen y otras tareas. El algoritmo fue publicado por primera vez por David Lowe en 1999 pero lo describió completamente y patentó en Estados Unidos en 2004. (es) The scale-invariant feature transform (SIFT) is a computer vision algorithm to detect, describe, and match local features in images, invented by David Lowe in 1999.Applications include object recognition, robotic mapping and navigation, image stitching, 3D modeling, gesture recognition, video tracking, individual identification of wildlife and match moving. SIFT keypoints of objects are first extracted from a set of reference images and stored in a database. An object is recognized in a new image by individually comparing each feature from the new image to this database and finding candidate matching features based on Euclidean distance of their feature vectors. From the full set of matches, subsets of keypoints that agree on the object and its location, scale, and orientation in the new image are identified to filter out good matches. The determination of consistent clusters is performed rapidly by using an efficient hash table implementation of the generalised Hough transform. Each cluster of 3 or more features that agree on an object and its pose is then subject to further detailed model verification and subsequently outliers are discarded. Finally the probability that a particular set of features indicates the presence of an object is computed, given the accuracy of fit and number of probable false matches. Object matches that pass all these tests can be identified as correct with high confidence. (en) La scale-invariant feature transform (SIFT), que l'on peut traduire par « transformation de caractéristiques visuelles invariante à l'échelle », est un algorithme utilisé dans le domaine de la vision par ordinateur pour détecter et identifier les éléments similaires entre différentes images numériques (éléments de paysages, objets, personnes, etc.). Il a été développé en 1999 par le chercheur David Lowe. L'étape fondamentale de la méthode proposée par Lowe consiste à calculer ce que l'on appelle les « descripteurs SIFT » des images à étudier. Il s'agit d'informations numériques dérivées de l'analyse locale d'une image et qui caractérisent le contenu visuel de cette image de la façon la plus indépendante possible de l'échelle (« zoom » et résolution du capteur), du cadrage, de l'angle d'observation et de l'exposition (luminosité). Ainsi, deux photographies d'un même objet auront toutes les chances d'avoir des descripteurs SIFT similaires, et ceci d'autant plus si les instants de prise de vue et les angles de vue sont proches. D'un autre côté, deux photographies de sujets très différents produiront selon toute vraisemblance des descripteurs SIFT très différents eux aussi (pouvoir discriminant). Cette robustesse, vérifiée dans la pratique, est une exigence fondamentale de la plupart des applications et explique en grande partie la popularité de la méthode SIFT. Les applications de la méthode sont nombreuses et ne cessent de s'étendre ; elles couvrent au début du XXIe siècle des domaines tels que la détection d'objet, la cartographie et la navigation, l'assemblage de photos, la modélisation 3D, la recherche d'image par le contenu, le tracking video ou le match moving. Cet algorithme est protégé aux États-Unis par un brevet détenu par l’université de la Colombie-Britannique. (fr) Nell'ambito della visione artificiale, lo scale-invariant feature transform (o SIFT) è un algoritmo che permette di rilevare e descrivere caratteristiche locali in immagini. L'algoritmo è stato pubblicato da nel 1999. Applicazioni includono: riconoscimento di oggetti, e navigation, image stitching, modellazione 3D, riconoscimento dei gesti, video tracking, e . L'algoritmo è brevettato negli Stati Uniti; il proprietario è la University of British Columbia. (it) Schaal-invariante functietransformatie ((en) Scale-invariant feature transform, afgekort SIFT) is een algoritme voor dat onafhankelijk van schaalgrootte en rotatie afbeeldingen kan vergelijken. Het selecteert interessante punten binnen een afbeelding op basis van contrastverschillen, vergelijkbaar met oogfixatiepunten en beschrijft vervolgens deze punten. Het algoritme werd gepubliceerd door in 1999. Het algoritme is gepatenteerd in Canada, de eigenaar is de Universiteit van Brits-Columbia. Toepassingen zijn onder andere objectherkenning, en navigatie, beelden samenvoegen, , , en . (nl) Skalo-niezmiennicze przekształcenie cech (Scale-invariant feature transform, w skrócie SIFT) to algorytm z dziedziny widzenia komputerowego, który wykrywa lokalne cechy w obrazie.Algorytm został opublikowany przez Davida Lowe'a w 1999 r.. Zastosowania tego algorytmu obejmują , budowanie map i nawigację dla robotów, nakładanie i mozaikowanie obrazów, rekonstrukcję 3D, wykrywanie gestów, śledzenie obiektów i dopasowywanie scen w filmach. Algorytm jest opatentowany w USA a właścicielem jest University of British Columbia. (pl) Scale-invariant feature transform (SIFT) är en algoritm i datorseende för att extrahera intressepunkter med associerade lokala histogram över lokala gradientriktningar, vilka är rimligt väl opåverkade av skala, rotation och belysning. Algoritmen presenterades 1999 av . De s.k. intressepunkterna, som möjliggör skalinvarians, extraheras på ett sätt som utgör en approximation till intressepunktsoperatorer som tidigare utvecklats inom skalrumsteori (se nedan). (sv) Масштабно-инвариантная трансформация признаков (англ. scale-invariant feature transform, SIFT) является алгоритмом в компьютерном зрении для выявления и описания локальных признаков в изображениях.Алгоритм был запатентован в Канаде университетом Британской Колумбии и опубликован Дэвидом Лоу в 1999.Приложения включают , и роботизированную навигацию, , трёхмерное моделирование, распознавание жестов, трекинг, идентификацию диких животных и позиционный трекинг. Сначала в SIFT извлекаются ключевые точки объектов из набора контрольных изображений и запоминаются в базе данных. Объект распознаётся в новом изображении путём сравнивания каждого признака из нового изображения с признаками из базы данных и нахождения признаков-кандидатов на основе евклидова расстояния между векторами признаков. Из полного набора соответствий в новом изображении отбираются поднаборы ключевых точек, которые наиболее хорошо согласуются с объектом по его местоположению, масштабу и ориентации. Определение подходящих блоков признаков осуществляется быстро с помощью эффективной реализации хеш-таблицы обобщённого преобразования Хафа. Каждый блок из 3 или более признаков, согласующийся с объектом и его положением, подлежит дальнейшей подробной проверке соответствия модели, и резко отклоняющиеся блоки отбрасываются. Наконец, вычисляется вероятность, что определённый набор признаков говорит о присутствии объекта, что даёт информацию о точности совпадения и числе возможных промахов. Объекты, которые проходят все эти тесты, могут считаться правильными с высокой степенью уверенности. (ru) 尺度不變特徵轉換(Scale-invariant feature transform 或 SIFT)是一種机器視覺的演算法用來偵測與描述影像中的局部性特徵，它在空間尺度中尋找極值點，並提取出其位置、尺度、旋轉不變數，此演算法由 在1999年所發表，2004年完善總結。後續的論文中也有許多基於 SIFT 改進的論文，例如 SURF 將 SIFT 的許多過程近似，達到加速的效果；PCA-SIFT利用主成分分析降低描述子的維度，減少記憶體的使用並加快配對速度。 其應用範圍包含、機器人地圖感知與導航、影像縫合、3D模型建立、手勢辨識、影像追蹤和動作比對。 此演算法有其專利，專利擁有者為 英屬哥倫比亞大學。 (zh) SIFT (Scale-invariant feature transform, укр. масштабонезалежне перетворення ознак) — алгоритм із області комп'ютерного зору, який виявляє і описує локальні ознаки зображення.. Алгоритм застосовується для розпізнавання образів, побудови карт для навігації роботів, 3D-реконструкції, розпізнавання жестів, відстеження об'єктів та ін. Алгоритм був опубліковано Девідом Лоу у 1999 р. і запатентовано в США Британо-колумбійським університетом. (uk) |
| dbo:thumbnail | wiki-commons:Special:FilePath/Sift_keypoints_filtering.jpg?width=300 |
| dbo:wikiPageExternalLink | http://www.jprr.org http://citeseer.ist.psu.edu/lowe04distinctive.html http://pami.xmu.edu.cn/~wlzhao/lip-vireo.htm https://www.cs.cmu.edu/~yke/pcasift/ http://www-cvr.ai.uiuc.edu/ponce_grp/publication/paper/bmvc04.pdf http://www.aishack.in/tutorials/sift-scale-invariant-feature-transform-introduction/ http://www.berilsirmacek.com/sift_multiple_object_detection.html http://www.jprr.org/index.php/jprr/article/view/26 http://www.matthewtoews.com/fba/featExtract1.3.zip https://robwhess.github.com/opensift/ http://www.ipol.im/pub/algo/my_affine_sift/ http://www.ipol.im/pub/pre/82/ http://lear.inrialpes.fr/pubs/2005/MS05/ https://github.com/robertwgh/ezSIFT https://sites.google.com/site/btabibian/projects/3d-reconstruction/code http://www.scholarpedia.org/article/SIFT http://www.mathworks.com/matlabcentral/fileexchange/38782 http://www.vlfeat.org/api/sift.html |
| dbo:wikiPageID | 1208345 (xsd:integer) |
| dbo:wikiPageLength | 67176 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1119248591 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Bayesian_probability dbr:Probability_distribution dbr:Scale_space dbr:Nearest_neighbor_search dbr:Trifocal_tensor dbr:Homography dbr:Best_bin_first dbr:Vector_space dbr:David_G._Lowe dbr:Convolution dbr:Match_moving dbr:Matrix_(mathematics) dbr:Essential_matrix dbr:Orientation_(geometry) dbr:Outlier dbr:Eigenvalues_and_eigenvectors dbr:Gaussian_blur dbr:Convolutional_neural_network dbr:Cordelia_Schmid dbr:Corner_detection dbr:Linear_scale dbr:Computer_vision dbr:Feature_(computer_vision) dbr:Hough_transform dbr:Moore–Penrose_inverse dbr:Panorama dbr:Priority_queue dbr:Speeded_up_robust_features dbr:Linear_least_squares_(mathematics) dbr:Bag_of_words_model dbr:GLOH dbr:Haar_wavelet dbr:Heap_(data_structure) dbr:K-d_tree dbr:3D_single-object_recognition dbr:Affine_transformation dbr:3D_modeling dbc:Object_recognition_and_categorization dbr:Difference_of_Gaussians dbr:Histogram_of_oriented_gradients dbr:Principal_component_analysis dbr:Visual_cortex dbr:Pyramid_(image_processing) dbr:Hash_table dbr:Covariance_matrix dbr:Augmented_reality dbr:Absolute_difference dbc:Feature_detection_(computer_vision) dbr:Laplace_operator dbr:Blob_detection dbr:Hessian_matrix dbr:Video_tracking dbr:Bundle_adjustment dbr:Pose_(computer_vision) dbr:Image_stitching dbr:Random-access_memory dbr:Robotic_mapping dbr:Rotation dbr:Spearman's_rank_correlation_coefficient dbr:Structure_from_motion dbr:Scaling_(geometry) dbr:Shear_mapping dbr:Simultaneous_localization_and_mapping dbr:Euclidean_distance dbr:Svetlana_Lazebnik dbr:Rotational_invariance dbr:Gesture_recognition dbr:Principal_curvature dbr:Scale_space_implementation dbr:Structure_tensor dbr:Outline_of_object_recognition dbr:Shape_context dbr:Random_sample_consensus dbr:True_3D dbr:Principal_components_analysis dbr:Bhattacharyya_coefficient dbr:Taylor_expansion dbr:Principal_curvatures dbr:File:Sift_keypoints_filtering.jpg dbr:Multi-band_blending dbr:Scalable_Vocabulary_Tree |
| dbp:wikiPageUsesTemplate | dbt:Citation_needed dbt:Reflist dbt:Short_description dbt:Technical dbt:No_sources dbt:FeatureDetectionCompVisNavbox dbt:External_links_cleanup |
| dcterms:subject | dbc:Object_recognition_and_categorization dbc:Feature_detection_(computer_vision) |
| gold:hypernym | dbr:Algorithm |
| rdf:type | dbo:Software yago:WikicatComputerGraphicsAlgorithms yago:Abstraction100002137 yago:Act100030358 yago:Activity100407535 yago:Algorithm105847438 yago:Event100029378 yago:Procedure101023820 yago:PsychologicalFeature100023100 yago:YagoPermanentlyLocatedEntity yago:Rule105846932 yago:WikicatAlgorithms |
| rdfs:comment | Scale-invariant feature transform (o SIFT) es un algoritmo usado en visión artificial para extraer características relevantes de las imágenes que posteriormente pueden usarse en reconocimiento de objetos, detección de movimiento, estereopsis, registro de la imagen y otras tareas. El algoritmo fue publicado por primera vez por David Lowe en 1999 pero lo describió completamente y patentó en Estados Unidos en 2004. (es) Nell'ambito della visione artificiale, lo scale-invariant feature transform (o SIFT) è un algoritmo che permette di rilevare e descrivere caratteristiche locali in immagini. L'algoritmo è stato pubblicato da nel 1999. Applicazioni includono: riconoscimento di oggetti, e navigation, image stitching, modellazione 3D, riconoscimento dei gesti, video tracking, e . L'algoritmo è brevettato negli Stati Uniti; il proprietario è la University of British Columbia. (it) Schaal-invariante functietransformatie ((en) Scale-invariant feature transform, afgekort SIFT) is een algoritme voor dat onafhankelijk van schaalgrootte en rotatie afbeeldingen kan vergelijken. Het selecteert interessante punten binnen een afbeelding op basis van contrastverschillen, vergelijkbaar met oogfixatiepunten en beschrijft vervolgens deze punten. Het algoritme werd gepubliceerd door in 1999. Het algoritme is gepatenteerd in Canada, de eigenaar is de Universiteit van Brits-Columbia. Toepassingen zijn onder andere objectherkenning, en navigatie, beelden samenvoegen, , , en . (nl) Skalo-niezmiennicze przekształcenie cech (Scale-invariant feature transform, w skrócie SIFT) to algorytm z dziedziny widzenia komputerowego, który wykrywa lokalne cechy w obrazie.Algorytm został opublikowany przez Davida Lowe'a w 1999 r.. Zastosowania tego algorytmu obejmują , budowanie map i nawigację dla robotów, nakładanie i mozaikowanie obrazów, rekonstrukcję 3D, wykrywanie gestów, śledzenie obiektów i dopasowywanie scen w filmach. Algorytm jest opatentowany w USA a właścicielem jest University of British Columbia. (pl) Scale-invariant feature transform (SIFT) är en algoritm i datorseende för att extrahera intressepunkter med associerade lokala histogram över lokala gradientriktningar, vilka är rimligt väl opåverkade av skala, rotation och belysning. Algoritmen presenterades 1999 av . De s.k. intressepunkterna, som möjliggör skalinvarians, extraheras på ett sätt som utgör en approximation till intressepunktsoperatorer som tidigare utvecklats inom skalrumsteori (se nedan). (sv) 尺度不變特徵轉換(Scale-invariant feature transform 或 SIFT)是一種机器視覺的演算法用來偵測與描述影像中的局部性特徵，它在空間尺度中尋找極值點，並提取出其位置、尺度、旋轉不變數，此演算法由 在1999年所發表，2004年完善總結。後續的論文中也有許多基於 SIFT 改進的論文，例如 SURF 將 SIFT 的許多過程近似，達到加速的效果；PCA-SIFT利用主成分分析降低描述子的維度，減少記憶體的使用並加快配對速度。 其應用範圍包含、機器人地圖感知與導航、影像縫合、3D模型建立、手勢辨識、影像追蹤和動作比對。 此演算法有其專利，專利擁有者為 英屬哥倫比亞大學。 (zh) SIFT (Scale-invariant feature transform, укр. масштабонезалежне перетворення ознак) — алгоритм із області комп'ютерного зору, який виявляє і описує локальні ознаки зображення.. Алгоритм застосовується для розпізнавання образів, побудови карт для навігації роботів, 3D-реконструкції, розпізнавання жестів, відстеження об'єктів та ін. Алгоритм був опубліковано Девідом Лоу у 1999 р. і запатентовано в США Британо-колумбійським університетом. (uk) تحويل صفة صورة غير مرتبط بمقياس أو Scale-invariant feature transform, SIFT هي خوارزمية في مجال الرؤية الحاسوبية طورها البروفيسور الكندي ديفيد لو في عام 1999. وتعتبر من أهم الخوارزميات المستخدمة لأغراض التعرف على الاجسام والبحث عن الصور ضمن خدمة الجوجل. كما تستعمل لربط مجموعة من الصور المتداخلة لتكوين من خلال تحديد نقاط في الصور المراد مقارنتها. كل نقطة توصف بشعاع مؤلف من 128 مركبة، ويتم حساب التشابه بين نقطتين بواسطة المسافة الاقليدية بين شعاعيهما. تتسم هذه الميزات بانها غير مرتبطة بالتحويلات الهندسية Geometry Transformations للصورة كالدوران Rotation والتدرج Scaling (التصغير والتكبير) والتي تنجم عن دوران آلة التصوير أو تغير نقطة التقاط الصورة viewpoint، كما أنها غير مرتبطة بشكل جزئي Photogrammetry Transformations كتغير Contrast أو السطوع Brightness والتي تنجم على سبيل المثال بسبب عمل آل (ar) Scale-invariant feature transform (engl., „skaleninvariante Merkmalstransformation“, kurz SIFT) ist ein Algorithmus zur Detektion und Beschreibung lokaler Merkmale in Bildern. Der Detektor und die Merkmalsbeschreibungen sind, in gewissen Grenzen, invariant gegenüber Koordinatentransformationen wie Translation, Rotation und Skalierung. Sie sind außerdem robust gegen Beleuchtungsvariation, Bildrauschen und geringere geometrische Deformation höherer Ordnung, wie sie zum Beispiel durch projektive Abbildung eines Objekts von verschiedenen Standpunkten im Raum entstehen. Ursprünglich für die Objekterkennung entwickelt, kommt der Algorithmus mittlerweile in weiteren Gebieten der Bildverarbeitung zum Einsatz. Darunter z. B. die Bildregistrierung bzw. das Erstellen von Panoramabildern aus Einzelauf (de) The scale-invariant feature transform (SIFT) is a computer vision algorithm to detect, describe, and match local features in images, invented by David Lowe in 1999.Applications include object recognition, robotic mapping and navigation, image stitching, 3D modeling, gesture recognition, video tracking, individual identification of wildlife and match moving. (en) La scale-invariant feature transform (SIFT), que l'on peut traduire par « transformation de caractéristiques visuelles invariante à l'échelle », est un algorithme utilisé dans le domaine de la vision par ordinateur pour détecter et identifier les éléments similaires entre différentes images numériques (éléments de paysages, objets, personnes, etc.). Il a été développé en 1999 par le chercheur David Lowe. Cet algorithme est protégé aux États-Unis par un brevet détenu par l’université de la Colombie-Britannique. (fr) Масштабно-инвариантная трансформация признаков (англ. scale-invariant feature transform, SIFT) является алгоритмом в компьютерном зрении для выявления и описания локальных признаков в изображениях.Алгоритм был запатентован в Канаде университетом Британской Колумбии и опубликован Дэвидом Лоу в 1999.Приложения включают , и роботизированную навигацию, , трёхмерное моделирование, распознавание жестов, трекинг, идентификацию диких животных и позиционный трекинг. (ru) |
| rdfs:label | تحويل صفة صورة غير مرتبط بمقياس (ar) Scale-invariant feature transform (de) Scale-invariant feature transform (es) Scale-invariant feature transform (fr) Scale-invariant feature transform (it) Scale-invariant feature transform (nl) Skaloniezmiennicze przekształcenie cech (pl) Scale-invariant feature transform (en) Масштабно-инвариантная трансформация признаков (ru) Scale-invariant feature transform (sv) 尺度不變特徵轉換 (zh) SIFT (uk) |
| owl:sameAs | freebase:Scale-invariant feature transform yago-res:Scale-invariant feature transform wikidata:Scale-invariant feature transform dbpedia-ar:Scale-invariant feature transform dbpedia-de:Scale-invariant feature transform dbpedia-es:Scale-invariant feature transform dbpedia-fa:Scale-invariant feature transform dbpedia-fr:Scale-invariant feature transform http://ht.dbpedia.org/resource/SIFT dbpedia-it:Scale-invariant feature transform dbpedia-nl:Scale-invariant feature transform dbpedia-pl:Scale-invariant feature transform dbpedia-ru:Scale-invariant feature transform dbpedia-sv:Scale-invariant feature transform dbpedia-uk:Scale-invariant feature transform dbpedia-zh:Scale-invariant feature transform https://global.dbpedia.org/id/4vJ78 |
| prov:wasDerivedFrom | wikipedia-en:Scale-invariant_feature_transform?oldid=1119248591&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/Sift_keypoints_filtering.jpg |
| foaf:isPrimaryTopicOf | wikipedia-en:Scale-invariant_feature_transform |
| is dbo:knownFor of | dbr:David_G._Lowe |
| is dbo:wikiPageDisambiguates of | dbr:Sift_(disambiguation) |
| is dbo:wikiPageRedirects of | dbr:Scale-Invariant_Feature_Transform dbr:Applications_of_scale-invariant_feature_transform dbr:Autopano dbr:Autopano-sift dbr:Autopano_Pro dbr:Scale_invariant_feature_transform dbr:PCA-SIFT |
| is dbo:wikiPageWikiLink of | dbr:Scale-Invariant_Feature_Transform dbr:Scale_invariance dbr:Scale_space dbr:List_of_algorithms dbr:Visual_descriptor dbr:Principal_curvature-based_region_detector dbr:David_H._Hubel dbr:List_of_important_publications_in_computer_science dbr:David_G._Lowe dbr:Geometric_hashing dbr:Oriented_FAST_and_rotated_BRIEF dbr:VisualRank dbr:Template_matching dbr:Convolutional_neural_network dbr:Corner_detection dbr:Correspondence_problem dbr:Applications_of_scale-invariant_feature_transform dbr:Feature_(computer_vision) dbr:Features_from_accelerated_segment_test dbr:Harris_affine_region_detector dbr:Speeded_up_robust_features dbr:Manta_Matcher dbr:GLOH dbr:Local_energy-based_shape_histogram dbr:Spatial_verification dbr:AIBO dbr:3D_object_recognition dbr:3D_pose_estimation dbr:Difference_of_Gaussians dbr:Histogram_of_oriented_gradients dbr:Bag-of-words_model_in_computer_vision dbr:Object_detection dbr:Blob_detection dbr:AutoStitch dbr:Boosting_(machine_learning) dbr:Photosynth dbr:Image_stitching dbr:Orfeo_toolbox dbr:Structure_from_motion dbr:Sieve_(disambiguation) dbr:Sift_(disambiguation) dbr:Simultaneous_localization_and_mapping dbr:Vision_processing_unit dbr:Neocognitron dbr:Object_categorization_from_image_search dbr:Visual_Word dbr:Reverse_image_search dbr:Scale-invariant_feature_operator dbr:Motion_estimation dbr:Multidimensional_discrete_convolution dbr:Outline_of_computer_vision dbr:Outline_of_object_recognition dbr:Random_sample_consensus dbr:Rank_SIFT dbr:Autopano dbr:Autopano-sift dbr:Autopano_Pro dbr:Scale_invariant_feature_transform dbr:PCA-SIFT |
| is dbp:knownFor of | dbr:David_G._Lowe |
| is foaf:primaryTopic of | wikipedia-en:Scale-invariant_feature_transform |
