Merkmalsdetektion und -beschreibung für die Bildübereinstimmung: von handgefertigtem Design bis hin zu Deep Learning

Bei der merkmalsbasierten Bildübereinstimmung werden charakteristische Merkmale in Bildern erkannt und durch Merkmalsbeschreibungen dargestellt. Die Übereinstimmung erfolgt dann durch die Bewertung der Ähnlichkeit der Beschreibungen potenziell konjugierter Punkte. In diesem Papier diskutieren wir zunächst kurz den allgemeinen Rahmen. Danach überprüfen wir die Merkmalsdetektion sowie die Bestimmung der affinen Form und Orientierung lokaler Merkmale, bevor wir die Merkmalsbeschreibung genauer analysieren. In der Überprüfung der Merkmalsbeschreibung wird zunächst der allgemeine Rahmen der lokalen Merkmalsbeschreibung präsentiert. Anschließend diskutiert die Überprüfung die Entwicklung von handgefertigten Merkmalsbeschreibungen, z. B. SIFT (Scale Invariant Feature Transform), zu beschreibenden Verfahren, die auf maschinellem Lernen und Deep Learning basieren. Die maschinellen Lernmodelle, der Trainingsverlust und die jeweiligen Trainingsdaten der lernbasierten Algorithmen werden genauer betrachtet; anschliessend werden die verschiedenen Vorteile und Herausforderungen der unterschiedlichen Ansätze diskutiert. Schließlich präsentieren und bewerten wir einige aktuelle Forschungsrichtungen, bevor wir das Papier abschließen.