Index
テンプレートマッチング / Template Matching
入力の画像データ(もしくは、その特徴量ベクトル)と、
テンプレート画像(複数でも)と、画像空間 (もしくは、特徴空間)における距離 (場合によっては誤差と解釈) を計算する.
その距離を元に類似度として測定したり、分類・検出のタスクに持ってくことができる.
物体認識 / 画像分類での利用
物体認識 / 画像分類での利用を考える.
- 物体認識 #まとめ編
KNN のように、分類対象の画像の特徴量ベクトルが、特徴空間において、
どのようなクラスの特徴量と位置しているかを考える.
KNN とは、異なりクラスの代表点のみとの距離を利用する.
物体検出での利用
スライディングウィンドウと併用で利用する.
スライディングウィンドウ
物体検出
距離 / 誤差の計算
入力画像の特徴ベクトルを とする.
また、2 次元の (もしくは 3 次元) 入力画像をそのまま、計算に使用することも可能で、その場合は以下のように変換されていると考えればよい.
また、テンプレート画像の特徴ベクトルを とする.
今回は距離 / 誤差を算出する関数は、 で表す.
ユークリッド距離 / Euclid Distance
一般的に利用される距離.
- ユークリッド距離 / Euclid Distance
SSD / Sum of Squared Difference
二乗和誤差 / Sum of Squared Error / SSE や
残差平方和 / Residual Sum of Square / RSS と同義.
ユークリッド距離の二乗の値.
- 二乗和誤差 / 残差平方和
SAD / Sum of Absolute Difference
差分の絶対値の合計.
NCC / Normalized Cross Correlation
正規化相互相関.
統計量でいう相関係数に近い.