[CV Lecture 07] Feature Detection (Cont.)

1. Harris Corner Detector (Cont)

 

자 이전 포스팅까지, edge와 corner를 찾는 방법에 대해 배웠다. 우리는 지금 파노라마를 만드는 방법을 위한 기반을 공부하고 있는데, 어떻게 하면, 두 지점의 유사성을 판단할 수 있을까? 라는 질문을 던져보아야한다. 방법은 아래 이미지와 같다. 

 

 

 

유사성을 판단하는 방법을 알게 되었으니, 그 다음으로 고민해야할 것은, "어떻게 독특한 고유의 patch를 찾을 것인가?" 이다. 모든 지점을 일일히 위와 같은 방식으로 계산하게 된다면, 엄청난 Computing Loss가 날 것이다. patch가 너무 많기 때문이다

 

 

그렇기 때문에, 우리는, 보통 local neighbor 만 고려하는 방식을 채택한다. 

 

 

좋은 feature란, 자신을 유일하게 특정지을수 있는 것이기에, 좋은 local feature를 찾아야한다. 

 

 

 

2. Scale-Invariance Feature Detection

 

하나의 필터만으로는 부족하다는 것을 알수 있다. 

 

 

다양한 세타 값을 통해, maximum response를 찾아야 하며, 큰 이미지의 경우, downsample을 진행하여, 필터의 크기를 키우는 것과 같은 효과를 내기도 한다.

 

 

 

2-1 How to efficiently implement LoG filters?

 

실제 환경에서는, LoG 를 계산하는 것은 계산적으로 비용이 많이 든다 (2차미분을 하기 때문) 따라서, Difference of Gaussian 을 사용하기도 한다!! (Lecture 5에 있던 DoG, Derivative of Gaussian과 다른것이다!!!!!)

 

 

오늘은, Feature Detection 을 위한 추가적인 지식을 학습 할 수 있었다!