Mostrar el registro sencillo del ítem
EVALUACIÓN DE CONFIGURACIONES DE CLUSTERING PARA LA DETECCIÓN DE OBJETOS UTILIZANDO CARACTERÍSTICAS SIFT
dc.contributor.author | Fernández Robles, Laura | |
dc.contributor.author | Castejón Limas, Manuel | |
dc.contributor.author | Alfonso Cendón, Javier | |
dc.contributor.author | Alegre Gutiérrez, Enrique | |
dc.date.accessioned | 2018-03-13T12:07:44Z | |
dc.date.available | 2018-03-13T12:07:44Z | |
dc.date.issued | 2013 | |
dc.identifier.isbn | 978-84-616-6454-2 | |
dc.identifier.uri | http://dspace.aeipro.com/xmlui/handle/123456789/1107 | |
dc.description | Las características SIFT del inglés, Scale-Invariant Feature Transform, se consideran eficientes descriptores locales de puntos clave debido a su robusta descripción de imágenes digitales. Para realizar el reconocimiento de objetos primero se determinan las correspondencias de las características individualmente con una base de características de objetos conocidos utilizando un algoritmo de vecinos cercanos, a continuación se realiza una transformada Hough para identificar clusters pertenecientes a un solo objeto y, finalmente, se lleva a cabo una verificación de la consistencia de la pose del objeto a través de mínimos cuadrados. Sin embargo, no se provee un razonamiento teórico o práctico sobre la elección de este enfoque. Aquí, presentamos y evaluamos diferentes configuraciones para realizar el clustering de conjuntos de puntos clave de acuerdo a los parámetros de pose: coordenadas de localización x e y, escala y orientación basados en el enfoque de Lowe. | es_ES |
dc.description.abstract | Scale-Invariant Feature Transform (SIFT) features have been widely accepted as an effective local keypoint descriptor for its robust description of digital image content. This method extracts distinctive invariant features from images that can be used to perform reliable matching between different views of an object. Object recognition proceeds by matching individual features to a database of features from known objects using a fast nearest-neighbour algorithm, followed by a Hough transform to identify clusters belonging to a single object, and finally performing verification through least-squares solution for consistent pose parameters. Nonetheless, reasoning for the choice of this clustering approach is not provided and a lack of its theoretical insight is noticed. Here, we present and evaluate different configurations for clustering sets of keypoints according to their pose parameters: x and y coordinates location, scale and orientation based on Lowe’s approach. | es_ES |
dc.language.iso | es | es_ES |
dc.subject | Tecnologías de la Información y las Comunicaciones. Ingeniería del Software | es_ES |
dc.title | EVALUACIÓN DE CONFIGURACIONES DE CLUSTERING PARA LA DETECCIÓN DE OBJETOS UTILIZANDO CARACTERÍSTICAS SIFT | es_ES |
dc.title.alternative | EVALUATION OF CLUSTERING CONFIGURATIONS FOR OBJECT DETECTION USING SIFT FEATURES | es_ES |
dc.type | Article | es_ES |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
CIDIP 2013 (Logroño) [163]
XVII Congreso Internacional de Dirección e Ingeniería de Proyectos (Logroño, 2013)