객체인식- 특징 디스크립터의 종류와 활용 사례 소개

# 특징 디스크립터의 종류와 활용 사례 소개

•특징 디스크립터는 다양한 알고리즘과 방법론에 따라 다양한 종류가 있습니다. 각각의 특징 디스크립터는  키포인트 주변 영역을 어떤 방식으로 표현하는지에 따라 다르며, 특징의 다양성과 성능 특성이 달라집니다.

•

SIFT (Scale-Invariant Feature Transform)

1.SIFT는 이미지의 크기와 회전에 대해 불변한 특징을 추출하는 데 사용됩니다.

2.활용 사례: 객체 인식, 영상 검색, 로봇 비전, 패턴 인식 등

SURF (Speeded-Up Robust Features)

1.SURF는 SIFT보다 계산 속도가 빠르며, 이미지의 크기와 회전에 대해 불변한 특징을 추출하는 데  사용됩니다.

2.활용 사례: 객체 인식, 영상 검색, 자율 주행 등

ORB (Oriented FAST and Rotated BRIEF)

1.ORB는 FAST 키포인트 검출과 BRIEF 디스크립터를 결합하여 빠른 계산 속도와 강건한 특징을 제공  합니다.

2.활용 사례: 실시간 객체 추적, 로봇 비전, 자율 주행 등

 

BRISK (Binary Robust Invariant Scalable Keypoints)

1.BRISK는 계산 속도와 특징의 크기를 조절할 수 있는 특징 디스크립터입니다.

2.활용 사례: 실시간 비디오 처리, 실시간 객체 추적 등

FREAK (Fast Retina Keypoint)

1.FREAK는 디스크립터를 효율적으로 계산하기 위해 이진 형태로 표현합니다.

2.활용 사례: 실시간 객체 인식, 로봇 비전, 영상 검색 등

AKAZE (Accelerated-KAZE)

1.AKAZE는 회전, 크기 및 조명 변화에 강건한 특징을 추출하는 데 사용됩니다.

2.활용 사례: 로봇 비전, 실시간 객체 추적, 이미지 매칭 등