論文の概要: Comprehensive empirical evaluation of feature extractors in computer vision

• arxiv url: http://arxiv.org/abs/2610.39551v1
• Date: Thu, 29 Oct 2026 07:50:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.475754
• Title: Comprehensive empirical evaluation of feature extractors in computer vision
• Title（参考訳）: コンピュータビジョンにおける特徴抽出器の総合的実証評価
• Abstract要約: 本研究は,従来の特徴検出と記述子を包括的に評価する。 FASTアルゴリズムは、ORBディスクリプタとBrute-Forcematerとの組み合わせで最も効率的な検出器である。 アカゼはぼやけたり、魚眼の歪み、画像の回転、視点の歪みといった条件で優れている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feature detection and matching are fundamental components in computer vision, underpinning a broad spectrum of applications. This study offers a comprehensive evaluation of traditional feature detections and descriptors, analyzing methods such as Scale Invariant Feature Transform (SIFT), Speeded-Up Robust Features (SURF), Binary Robust Independent Elementary Features (BRIEF), Oriented FAST and Rotated BRIEF (ORB), Binary Robust Invariant Scalable Keypoints (BRISK), KAZE, Accelerated KAZE (AKAZE), Fast Retina Keypoint (FREAK), Dense and Accurate Invariant Scalable descriptor for Yale (DAISY), Features from Accelerated Segment Test (FAST), and STAR. Each feature extractor was assessed based on its architectural design and complexity, focusing on how these factors influence computational efficiency and robustness under various transformations. Utilizing the Image Matching Challenge Photo Tourism 2020 dataset, which includes over 1.5 million images, the study identifies the FAST algorithm as the most efficient detector when paired with the ORB descriptor and Brute-Force (BF) matcher, offering the fastest feature extraction and matching process. ORB is notably effective on affine transformed and brightened images, while AKAZE excels in conditions involving blurring, fisheye distortion, image rotation, and perspective distortions. Through more than 2 million comparisons, the study highlights the feature extractors that demonstrate superior resilience across various conditions, including rotation, scaling, blurring, brightening, affine transformations, perspective distortions, fisheye distortion, and salt-and-pepper noise
• Abstract（参考訳）: 特徴の検出とマッチングはコンピュータビジョンの基本的な要素であり、幅広い応用の基盤となっている。 本研究は,従来の特徴検出と記述子を総合的に評価し,スケール不変性変換(SIFT),スピードアップロバスト独立性特徴量(BRIEF),オリエントFASTおよび回転BRIEF(ORB),バイナリロバスト不変性拡張キーポイント(BRISK),KAZE,アクセラレートKAZE(akaZE),高速Retinaキーポイント(FREAK),Dense and Accurate Invariant Scalable Descriptor for Yale(DAISY),Accelerated Segment Test(FAST),STARなどの解析手法を提案する。 それぞれの特徴抽出器は、そのアーキテクチャ設計と複雑さに基づいて評価され、これらの要因が様々な変換の下での計算効率と堅牢性にどのように影響するかに焦点を当てた。 Image Matching Challenge Photo Tourism 2020データセットを使用し、150万枚以上の画像を含むこの研究は、ORBディスクリプタとBrute-Force(BF)マッチングとの組み合わせで、FASTアルゴリズムを最も効率的な検出器として特定し、最も高速な特徴抽出とマッチングプロセスを提供する。 ORBはアフィン変換や鮮明化に特に有効であり、AkaZEはぼやけ、魚眼歪み、画像回転、視点歪みといった条件で優れている。 この研究は200万以上の比較を通じて、回転、スケーリング、ぼかし、輝き、アフィン変換、視点歪み、魚眼の歪み、塩とペッパーのノイズなど、様々な条件において優れたレジリエンスを示す特徴抽出器を強調した。

関連論文リスト

• Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
  本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。 これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。 BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-03-11T11:13:10Z)
• Frequency Domain Enhanced U-Net for Low-Frequency Information-Rich Image Segmentation in Surgical and Deep-Sea Exploration Robots [34.28684917337352]
  CNNと人間の視覚系における周波数帯域感度の差について検討する。 本稿では、生体視覚機構にインスパイアされたウェーブレット適応スペクトル融合(WASF)法を提案する。 我々は SAM2 のバックボーンネットワークを利用する FE-UNet モデルを開発し, セグメンテーション精度を確保するために細調整した Hiera-Large モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2025-02-06T07:24:34Z)
• Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
  3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。 我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
  論文  参考訳（メタデータ） (2024-07-18T04:36:10Z)
• RGBD-Glue: General Feature Combination for Robust RGB-D Point Cloud Registration [0.0]
  より緩く、より効果的に組み合わせられる新しい機能の組み合わせフレームワークを提案する。 変換一貫性に基づいた明示的なフィルタは,各機能の弱点を克服可能な組み合わせフレームワーク用に設計されている。 ScanNet と 3DMatch の実験により,本手法が最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-05-13T09:56:28Z)
• OCR is All you need: Importing Multi-Modality into Image-based Defect Detection System [7.1083241462091165]
  我々は,光学的文字認識(OCR)を基本とする外部モダリティ誘導データマイニングフレームワークを導入し,画像から統計的特徴を抽出する。 提案手法の重要な側面は、単一のモーダル認識モデルを用いて抽出された外部モーダル特徴のアライメントであり、畳み込みニューラルネットワークによって符号化された画像特徴である。 本手法は欠陥検出モデルのリコール率を大幅に向上させ,挑戦シナリオにおいても高い堅牢性を維持する。
  論文  参考訳（メタデータ） (2024-03-18T07:41:39Z)
• Adaptive Rotated Convolution for Rotated Object Detection [96.94590550217718]
  本稿では、回転物体検出問題に対処するために、適応回転変換(ARC)モジュールを提案する。 ARCモジュールでは、コンボリューションカーネルが適応的に回転し、異なる画像に異なる向きのオブジェクト特徴を抽出する。 提案手法は,81.77%mAPのDOTAデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-03-14T11:53:12Z)
• Iris Recognition Based on SIFT Features [63.07521951102555]
  アイリス画像の認識にはSIFT(Scale Invariant Feature Transformation)を用いる。 我々は、SIFT演算子を用いて、スケール空間における特徴SIFT特徴点を抽出し、特徴点周辺のテクスチャ情報に基づいてマッチングを行う。 また、SIFT手法と、極座標変換とLog-Gaborウェーブレットに基づく一般的なマッチング手法の相補性を示す。
  論文  参考訳（メタデータ） (2021-10-30T04:55:33Z)
• Performance Analysis of Keypoint Detectors and Binary Descriptors Under Varying Degrees of Photometric and Geometric Transformations [0.0]
  8つのバイナリ記述子(AKAZE, BoostDesc, BRIEF, BRISK, FREAK, LATCH, LUCID, ORB)と8つの関心点検出器(AGAST, AKAZE, BRISK, FAST, HarrisLapalce, KAZE, ORB, StarDetector)を調査します。 標準データセットの実験を行い, 画像変換における各手法の比較性能を解析した。
  論文  参考訳（メタデータ） (2020-12-08T00:44:36Z)
• A Scale and Rotational Invariant Key-point Detector based on Sparse Coding [21.08309357592133]
  Harris corner、SIFT、SURFといったキーポイント検出器は、画像内のコーナー、ブロブ、ジャンクション、その他の人間の定義された構造を検出することを目的としている。 文脈変化に柔軟で、幾何学的および一様でない照明のバリエーションと同時に堅牢な新しい検出器は非常に望ましい。
  論文  参考訳（メタデータ） (2020-10-13T10:08:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。