This slides explain about scanning picture feature points that is made by SIFT(Scale Invariant Feature Transform) which uses Gaussian Filter Difference Logic (DoG).
This slides explain about scanning picture feature points that is made by SIFT(Scale Invariant Feature Transform) which uses Gaussian Filter Difference Logic (DoG).
15. 離散化 Gaussian Convolution の計算量
Mi: m 行 n 列の行列, G: s 行 t 列の行列
Mo の1画素を求めるために必要な計算量
- s * t
Mo の全画素を求めるために必要な計算量
- m * n * s * t
例: 縦横256ピクセルの画像と縦横12ピクセルのフィルタ
256 * 256 * 12 * 12 = 9437184 ケロ・・・
MPS 第38回 (2015/11/14) 定例ミーティング資料 (c) Junya Kaneko
21. 離散化 Gaussian Convolution の計算量再考
Mi: m 行 n 列の行列, G: s 行 t 列の行列
Mo の前画素を求めるために必要な計算量
- m * n* t + m * n * s = m * n * (s + t)
例: 縦横256ピクセルの画像と縦横12ピクセルのフィルタ
256 * 256 * (12 + 12) = 1572864
前回の結果 9437184 と比較すると約17%の計算量
ケロ !!!
MPS 第38回 (2015/11/14) 定例ミーティング資料 (c) Junya Kaneko
44. 参考文献
1. David G. Lowe. 2004. Distinctive Image Features from Scale-Invariant
Keypoints. Int. J. Comput. Vision 60, 2 (November 2004), 91-110.
2. M. Alex O. Vasilescu: http://alumni.media.mit.edu/~maov/classes/
vision09/lect/09_Image_Filtering_Edge_Detection_09.pdf
MPS 第38回 (2015/11/14) 定例ミーティング資料 (c) Junya Kaneko