Image Video Segmentation and Annotation by Social Media Analysis

課程: 論文研討
班級: 資工研一
日期: 100年10月14日
地點: S516
講師: 中正大學資訊工程系朱威達教授
報告: 張世奇

尺度不變特徵轉換(Scale-invariant feature transform 或 SIFT)是一種電腦視覺的演算法用來偵測與描述影像中的局部性特徵，它在空間尺度中尋找極值點，並提取出其位置、尺度、旋轉不變數，此演算法由 David Lowe 在1999年所發表，2004年完善總結。
其應用範圍包含物體辨識、機器人地圖感知與導航、影像縫合、3D模型建立、手勢辨識、影像追蹤和動作比對。
局部影像特徵的描述與偵測可以幫助辨識物體，SIFT 特徵是基於物體上的一些局部外觀的興趣點而與影像的大小和旋轉無關。 對於光線、雜訊、些微視角改變的容忍度也相當高。基於這些特性，它們是高度顯著而且相對容易擷取，在母數龐大的特徵資料庫中，很容易辨識物體而且鮮有誤認。
使用SIFT特徵描述對於部分物體遮蔽的偵測率也相當高，甚至只需要3個以上的SIFT物體特徵就足以計算出位置與方位。
在現今的電腦硬體速度下和小型的特徵資料庫條件下，辨識速度可接近即時運算。
SIFT特徵的信息量大，適合在海量資料庫中快速準確匹配。

這次演講的內容提到SIFT，這個技術可以用來辨識特徵，讓我們可以透過照片的某些特徵去尋找具有共同特徵的其他照片，這可以應用到相簿整理，只要有找到相似的地方就把這箱相片歸為一類，大大的減少整理的時間。