Abstract. Inthis paper, we present

Abstract. Inthis paper, we present a novelscale- androtation-invariant interest point detector and descriptor, coined SURF (Speeded Up Robust Features). It approximates or even outperforms previously proposed schemes with respect to repeatability, distinctiveness, and robustness, yet can be computed and compared much faster. This is achieved by relying on integral images for image convolutions; by building on the strengths of the leading existing detectors and descriptors (in casu, using a Hessian matrix-based measure for the detector, and a distribution-based descriptor); and by simplifying these methods to the essential. This leads to a combination of novel detection, description, and matching steps. The paper presents experimental results on a standard evaluation set, as well as on imagery obtained in the context of a real-life object recognition application. Both show SURF’s strong performance.

Kết quả (Việt) 1:

Tóm tắt. Inthis giấy, chúng tôi trình bày một quan tâm novelscale androtation bất biến điểm phát hiện và mô tả, đặt ra SURF (tốc lên mạnh mẽ tính năng). Nó xấp xỉ hoặc thậm chí nhanh hơn so với các chương trình được đề xuất trước đó đối với độ, khác biệt, và mạnh mẽ, nhưng vẫn có thể được tính toán và so sánh nhanh hơn nhiều. Điều này đạt được bằng cách dựa trên các hình ảnh không thể thiếu cho hình ảnh convolutions; bởi xây dựng trên những thế mạnh của các thiết bị dò hiện tại hàng đầu và trình mô tả (trong casu, bằng cách sử dụng một biện pháp dựa trên ma trận Hesse cho các máy dò, và một phân phối dựa trên mô tả); và bằng cách đơn giản hoá những phương pháp này để tinh. Điều này dẫn đến một sự kết hợp của tiểu thuyết phát hiện, mô tả, và bước kết hợp. Giấy trình bày kết quả thử nghiệm trên một bộ tiêu chuẩn đánh giá, cũng như trên hình ảnh thu được trong bối cảnh của một ứng dụng nhận dạng đối tượng thật. Cả hai cho thấy hiệu suất mạnh mẽ của LƯỚT.

Kết quả (Việt) 2:

Trừu tượng. Inthis giấy, chúng tôi trình bày một quan tâm dò novelscale- androtation bất biến điểm và mô tả, SURF đặt ra (đẩy mạnh tính năng mạnh mẽ). Nó xấp xỉ hoặc thậm chí còn nhanh hơn so với phương án đề xuất trước đây đối với độ lặp lại, khác biệt, và sự mạnh mẽ với, nhưng vẫn có thể được tính toán và so sánh nhanh hơn nhiều. Điều này đạt được bằng cách dựa vào những hình ảnh không thể thiếu đối với nhiều nếp cuộn hình ảnh; bằng cách xây dựng trên những thế mạnh của các máy dò hiện tại hàng đầu và mô tả (trong casu, sử dụng một biện pháp ma trận dựa trên Hessian cho các máy dò, và một mô tả phân phối dựa trên); và đơn giản hoá các phương pháp này để thiết yếu. Điều này dẫn đến một sự kết hợp của phát hiện mới, mô tả, và các bước phù hợp. Bài báo trình bày kết quả thực nghiệm trên một bộ tiêu chuẩn đánh giá, cũng như trên hình ảnh thu được trong bối cảnh của một ứng dụng nhận dạng đối tượng thực tế cuộc sống. Cả hai cho thấy hiệu suất mạnh mẽ của SURF.