SURF o Speeded Up Robust Features es un algoritmo patentado que se utiliza principalmente en tareas de visión por computadora y está vinculado a fines de detección de objetos. SURF cae en la categoría de descriptores de características al extraer puntos clave de diferentes regiones de una imagen determinada y, por lo tanto, es muy útil para encontrar similitudes entre las imágenes:
El algoritmo funciona de la siguiente manera:
- Encuentre características / puntos clave que probablemente se encuentren en diferentes imágenes del mismo objeto. Esas características deben ser escala y rotación invariables si es posible. esquinas, blobs, etc. son buenos y se buscan con mayor frecuencia en múltiples escalas.
- Encuentre la “orientación” correcta de ese punto de modo que si la imagen se gira de acuerdo con esa orientación, ambas imágenes se alinean con respecto a ese único punto clave.
- Cálculo de un descriptor que tiene información de cómo se ve la vecindad del punto clave (después de la orientación) en la escala correcta. fuente
Se anuncia que SURF funciona más rápido en comparación con los esquemas propuestos anteriormente como SIFT. Esto se logra (según lo declarado por sus diseñadores) por:
- ¿Por qué usar un diagrama de flujo es una mala práctica en la programación?
- ¿Cuál es el menor número de operaciones necesarias para ordenar una matriz de n objetos arbitrarios?
- ¿A qué libro se refirió Thomas Cormen mientras estudiaba algoritmos?
- ¿Cuál es el mejor algoritmo?
- Cómo hacer un sistema de filtrado colaborativo con Django como back-end
- Confiar en imágenes integrales para convoluciones de imagen.
- Aprovechar las fortalezas de los principales detectores y descriptores existentes (utilizando una medida basada en matriz de Hesse para el detector y un descriptor basado en la distribución).
- Simplificando estos métodos a lo esencial
Esto lleva a una combinación de detección novedosa, descripción y pasos coincidentes. En Pixlab, donde actualmente trabajo, hemos utilizado SURF en una versión anterior del punto final API tagimg, pero resulta que funciona mal y, por lo tanto, fue reemplazado por una técnica de Aprendizaje automático para nuestro etiquetado de imágenes y puntos finales de detección de contenido NSFW.
