Độ chính xác của thuật toán Thị giác máy tính

Giả sử nhiệm vụ là xác định vị trí phần tử trên ảnh. Điều đầu tiên rất quan trọng là phát hiện chính xác đối tượng sau đó một số thuật toán tính toán vị trí được sử dụng (để phân tích bloble testble). Mọi thứ phụ thuộc vào nhiều thứ (tính chính xác phát hiện, thuật toán được sử dụng, v.v.)

Giả sử chúng ta có hình ảnh được hiệu chỉnh và biết lỗi do hiệu chuẩn. Các phương pháp để tính toán độ chính xác đáng tin cậy của các thuật toán thị giác máy tính (và máy) là gì? Nó có thể được thực hiện qua đường hậu môn hay chỉ bằng các thí nghiệm và thử nghiệm?

Câu hỏi bổ sung các trường hợp khi chúng tôi phát hiện vị trí phần tử và các vấn đề về thị giác máy tính khác.

Tôi muốn nhận được tài liệu tham khảo cho các vấn đề liên quan đến thị giác máy tính / máy móc, đặc biệt là phát hiện vị trí phần tử và trình bày một số tính toán chính xác hoặc là phương pháp phân tích hoặc phương pháp thử nghiệm để hiển thị quy tắc này.

Cũng đề xuất làm thế nào để cải thiện câu hỏi này được hoan nghênh.

Ví dụ, Hartley & Zisserman đề nghị sử dụng điều kiện tiên quyết trước khi ước tính homography, bởi vì việc nghịch đảo ma trận trực tiếp có thể dẫn đến sai sót lớn hoặc mất ổn định. Điều này áp dụng cho bất kỳ phương pháp số làm việc với nghịch đảo ma trận.

Các thuật toán phát hiện tính năng thường sử dụng xấp xỉ pixel phụ của vị trí điểm quan tâm.

Hầu hết các cuốn sách thảo luận về phương pháp số cũng đối phó với phân tích độ ổn định của chúng.

Đôi khi bạn cần thực hiện một số thống kê để phân tích độ chính xác và độ chính xác của công cụ ước tính của bạn (có thể là công cụ ước tính bình phương nhỏ nhất hoặc công cụ ước tính khả năng tối đa). Điều này rất hữu ích trong các thuật toán như RANSAC , liên quan đến các ngoại lệ. Bạn cũng muốn biết, biến đổi ước tính phù hợp với dữ liệu của bạn như thế nào và có thể loại bỏ các kết quả quá không chính xác.

Khi làm việc với sự khác biệt hữu hạn hoặc thực hiện một số bộ lọc, một hiệu ứng làm mờ Gaussian nhẹ được thực hiện để loại bỏ nhiễu, điều này sẽ gây ra lỗi lớn trong các đạo hàm thứ hai.

Một số vấn đề trong tầm nhìn máy tính là không hợp lý. Một phương pháp chính quy hóa (như một chính quy Tikchonov) là cần thiết để giải quyết chúng. Các ví dụ trong đó điều này là cần thiết bao gồm khuếch tán tính bất đẳng hướng.

Điều này không trả lời toàn bộ câu hỏi, nhưng nó giải quyết một phần những gì OP yêu cầu.

Nó chỉ có thể được thực hiện bằng thực nghiệm. Để làm điều đó một cách phân tích sẽ yêu cầu thông tin về những gì thuật toán nên trả về. Nhưng để biết rằng, bạn cần một thuật toán thị giác máy tính luôn luôn chính xác để so sánh với (cũng như các mô tả phân tích chi tiết về hình ảnh đang được thử nghiệm). Các giải pháp phân tích đòi hỏi kiến ​​thức về một sự thật nền tảng là phân tích chứ không phải bằng tay được tạo ra trong từng trường hợp. Nhưng chúng ta không có cách phân tích để tạo ra một sự thật nền tảng - đó là những gì chúng ta đang cố gắng phát triển.

Cho rằng nó chỉ có thể được thực hiện bằng thực nghiệm, bạn có thể muốn xem xét học giả google. Nếu bạn ở sau vị trí của mọi người, sẽ có rất nhiều giấy tờ dành riêng cho việc định vị một người, hoặc các bộ phận của một người như đầu hoặc tay. Vị trí xe cũng sẽ có rất nhiều sự chú ý đặc biệt. Các đối tượng khác sẽ chỉ muốn các thuật toán chung.