使用关键点计算对象相似度 [英] Using keypoints to compute object similarity

问题描述

我不确定，但我可以使用图像的关键点进行对象识别吗？我有Harris关键点提取的MATLAB实现。它的输出是一个点数组，我不知道如何使用这些点（哈里斯算法中的点数变化）来识别目的。还有另一种方法，LoG（高斯拉普拉斯），每个图像产生120x3。

关键点示例：

这是我的对象数据集： http://www.vision.ee.ethz.ch/datasets/downloads/Obj_DB.tar.gz ，图像背景为白色，如上图所示。我想要的是训练一个带有火车组（其中一些图片）的神经网络，然后用剩下的图片测试神经网络。


如果不清楚我可以提供更多信息。

I'm not sure, but can I use keypoints of an image for object recognition? I have MATLAB implementation of Harris keypoint extraction. Its output is an array of points, I don't know how can I use these points (the number of points in Harris algorithm vary) for recognizing purpose. There is another method, LoG (Laplace of Gaussian) that produce 120x3 for each image.
Keypoints example:
It's my objects dataset: http://www.vision.ee.ethz.ch/datasets/downloads/Obj_DB.tar.gz , images background is white, as seen in the above image. What I want is training a Neural Network with a train set (some of those pictures) and then test the Neural Network with remained pictures.
If it's not clear I can provide more info.

推荐答案

你有没有考虑过？ SIFT算法？

它使用可变大小的邻域计算每个角的唯一（缩放和方向不变）签名。之后，可以使用最近邻居（L2标准）匹配签名。

Did you consider SIFT algorithm?
It compute a unique (Scale and orientation invariant) signature for each "corner" using a variable sized neighborhood. afterwards the signatures can be matched using nearest neighbor (L2 norm).

这篇关于使用关键点计算对象相似度的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！