SIFT Scale-Invariant-Feature-Transform

Abschlusspräsentation

Team

Tim B. Jagla Patrick Nierath

tim.jagla@st.ovgu.de patrick.nierath@st.ovgu.de

Invariant gegenüber…

• Skalierung

• Rotation

• Beleuchtungssituationen

• Betrachtungsperspektive

Interessantes Neuland

• „We used SIFT before SURF was cool ;-)“

Warum SIFT?

2

• Schwankende Ergebnisse – Mäßige Sensitivität

• Überrascht in manchen schwierigen Situationen

Wie gut funktioniert das Verfahren auf den Testdaten?

3

ohne Filterung der MatchesParadebeispiel

4

mit Filterung der MatchesParadebeispiel

5

Filterung über Distanzmaße

Verlässlichere Ergebnisse als k-Nearest-Neighbour

TestergebnisseSensitivität

Ø 52,77%

FP / #DS

Ø 0,7

6

Warum hat das Verfahren teilweise nicht funktioniert?

7

Warum hat das Verfahren teilweise nicht funktioniert?

8

9

Detektion der relevanten Keypoints (!)

Parameter / Bildformat / Performanz

Qualität und Menge der Matches

Brute Force Matcher

Bewertung der Match-Relevanz

knn Match / (Bag of Words Classifier)

Zusammenfassung Probleme

Noch Fragen?...

10