1) SIFT algorithm
SIFT算法
1.
Then the trilinear constraint and trifocal-tensor-based pixel transfer error computation method is introduced to remove the outliers produced by the SIFT algorithm.
采用SIFT算法对三视图像进行特征匹配,引入计算机视觉中的三线性关系和基于三焦张量的像素转移误差计算方法,对SIFT算法的匹配结果进行筛选,剔除匹配过程中产生的误配点。
2.
Based on the special spatial relationships against rotational stereo, the traditional SIFT algorithm is improved suits with rotational st.
实验结果表明,改进后的SIFT算法降低了特征点的误匹配率。
3.
The feature used by SIFT algorithm(SIFT feature)is a vector based on local gradient,which can resist a lot of image variation such as extension,compression and rotation,meeting the practical requirements of 3D object recognition.
SIFT算法运用的核心特征(SIFT特征)是一种基于局部梯度的向量特征,能够抵抗图像的伸缩、旋转等多种变化,满足了三维物体识别的实际需要。
2) Sift
[英][sɪft] [美][sɪft]
Sift算法
1.
Improved SIFT Algorithm and Its Application in Automatic Registration of Remotely-sensed Imagery
SIFT算法优化及其用于遥感影像自动配准
2.
In the paper, how to recognize the chinese chess in the chess broad isdiscussed ,SIFT characteristic vector is used as the primary way in chess r.
(4)重点研究了SIFT算法基本原理，及其实现方法。
3) scale invariant feature transformation(SIFT)method
变尺度特征检测(SIFT)算法
4) SIFT method
SIFT方法
5) SIFT-RANSAC method
SIFT-RANSAC方法
6) SIFT operator
SIFT特征算子
1.
SIFT operator proposed by Lowe,et al,with scale,rotation,perspective,illumination invariance,can be effectively used to reconstruct a 3D object and recognize a complex object.
Lowe等提出的基于SIFT特征算子的匹配算法具有尺度、旋转、视角、光照不变性,能够有效地用于目标的三维重建以及复杂目标识别。
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条