SIFT هي واحدة من أشهر الخوارزميات في الرؤية الحاسوبية. يتكون هدفها الأساسي من اكتشاف النقاط الرئيسية للكائنات، وإنشاء واصفات لها، ومطابقة نفس الكائنات عبر الصور. كما يشير الاسم، SIFT هي خوارزمية ثابتة المقياس، مما يعني أن نفس الكائن يمكن أن يظهر بمقاييس مختلفة في زوج من الصور، وستظل SIFT قادرة على اكتشاف نقاطه الرئيسية بنجاح. بالإضافة إلى ذلك، SIFT ثابتة الدوران، مما يجعل المطابقة ممكنة للكائنات المدورة أيضًا.
في سير عملها، تقوم SIFT ببناء عدة إصدارات من الصورة الأصلية من خلال تطبيق تحويلات إعادة الحجم والتمويه الغاوسي. مع القيم المختارة لـ k و σ1، تقوم SIFT ببناء عدة إصدارات من الصورة الأصلية من خلال تطبيق التنعيم الغاوسي بانحرافات معيارية مختلفة. ينتج عن هذا سلسلة من الصور تسمى أوكتاف. ثم تقوم SIFT بحساب الفروق الزوجية بين الصور الناتجة، المعروفة باسم فرق الغاوسيين (DoG).
بعد ذلك، تقوم الخوارزمية بتكديس Di وتحاول إيجاد القيم القصوى المحلية فيها. لكل نقطة في Di(x, y)، تفحص SIFT 26 جارًا لها. إذا كانت Di(x, y) أكبر أو أقل من جميع نقاطها الـ 26 المجاورة، فإن SIFT تضع علامة عليها كحد أقصى أو أدنى. لمراعاة الاختلافات المختلفة في المقياس، تتكرر نفس العملية لصورة أولية مصغرة في العرض والارتفاع بعامل اثنين، مما يبني أوكتافًا جديدًا بقيم σ مثل σ2 = 2σ1.
الأسئلة الشائعة: ما هو الهدف الأساسي لخوارزمية SIFT؟
يتكون الهدف الأساسي لخوارزمية SIFT من اكتشاف النقاط الرئيسية للكائنات، وإنشاء واصفات لها، ومطابقة نفس الكائنات عبر الصور.
المصدر: Towards Data Science · لخّصه HeadlinesBriefing