RETO 3
UNIVERSIDAD VIRTUAL DEL ESTADO DE GUANAJUATO
Curso: Reconocimiento de objetos
Módulo: Extracción de descriptores regionales
Nombre: Michelle Avendaño
Matrícula: 19014236
Fecha: 26/04/2023
TÉCNICA CARACTERISTICAS APLICACIONES
Es un algoritmo de procesamiento de imágenes que se utiliza
SIFT (Scale-Invariant para encontrar y describir características distintivas en una Reconocimiento de objetos, alineación de imágenes y
seguimiento de objetos.
Feature Transform) imagen.
Se utiliza en muchas aplicaciones de visión por computadora,
Utiliza puntos de interés que son invariantes a la rotación,
SURF (Speeded Up Robust escala y cambios en la iluminación, lo que los hace robustos a
como la detección de objetos en imágenes, el seguimiento de
objetos en movimiento y la creación de mapas de entornos en
Features) variaciones en las condiciones de la imagen.
robótica.
Es capaz de detectar características invariantes a la rotación y
Detección y seguimiento de objetos en tiempo real, como en
ORB (Oriented FAST and al escalamiento de las imágenes, lo que la hace muy útil en
sistemas de vigilancia, drones y robots autónomos. un
aplicaciones de reconocimiento de objetos y seguimiento de
Rotated BRIEF) objetos en movimiento.
elemento aquí
Se utiliza ampliamente en aplicaciones de reconocimiento de
HoG (Histogram of Se basa en la magnitud y orientación de los gradientes de la objetos y detección de personas en imágenes y videos,para
imagen para describir la estructura local de la imagen detectar peatones en videos de vigilancia o para identificar
Oriented Gradients) objetos específicos en imágenes médicas.
Se utiliza en una variedad de aplicaciones de procesamiento
Es una técnica de extracción de características que se utiliza
LBP (Local Binary Patterns) para describir texturas en imágenes.
de imágenes, como reconocimiento de objetos, detección de
rostros y análisis de imágenes médicas.
Utiliza una ventana deslizante para dividir la imagen en Es comúnmente utilizada para la detección y seguimiento de
Área pequeñas áreas y extraer características de cada una de ellas. objetos en video vigilancia y sistemas de monitoreo.
Esta técnica se utiliza en la identificación de objetos en
Utiliza el contorno de los objetos en una imagen para
Perímetro describirlos.
imágenes médicas, como la detección de tumores en
imágenes de resonancia magnética.
La característica principal de la técnica descriptor simple de Se utiliza en una amplia variedad de aplicaciones, como el
Compacidad compacidad es que mide la relación entre el área de una reconocimiento de objetos en imágenes, la clasificación de
región y su perímetro. formas y la segmentación de imágenes.
El número de Euler se define como la diferencia entre el Se utiliza en una variedad de aplicaciones, incluyendo análisis
Número de Euler número de regiones y el número de agujeros en una imagen de imágenes médicas, reconocimiento de objetos en
binaria. imágenes y detección de bordes en imágenes.
Es un método robusto para el reconocimiento de objetos en Se utiliza comúnmente en la detección y reconocimiento de
imágenes. Este método utiliza una representación compacta objetos en imágenes. Se ha aplicado con éxito en
Invariancia de la imagen que describe la distribución espacial de los aplicaciones de vigilancia de seguridad, reconocimiento de
puntos de interés. caras y en el análisis de imágenes médicas.
TÉCNICA VENTAJAS DESVENTAJAS
SIFT (Scale-Invariant Es capaz de encontrar, describir e identificar características No es muy eficaz para imágenes con mucho ruido o que
invariantes y distintivas en una imagen contienen características muy similares.
Feature Transform)
Tiene una alta velocidad de cálculo en comparación con otras Puede ser sensible a la oclusión, lo que significa que puede
SURF (Speeded Up Robust técnicas de extracción de características, lo que la hace tener dificultades para detectar objetos que están
adecuada para aplicaciones en tiempo real y en dispositivos con parcialmente ocultos o bloqueados por otros objetos en la
Features) recursos limitados. imagen.
Eficiencia computacional, ya que es más rápida que otras La técnica puede tener dificultades para detectar y describir
ORB (Oriented FAST and técnicas de detección y descripción de características de correctamente las características de la imagen, lo que
imágenes, lo que la hace ideal para aplicaciones en tiempo puede resultar en errores en el seguimiento del objeto o la
Rotated BRIEF) real. detección de falsos positivos.
Puede ser computacionalmente costosa en términos de tiempo y
Es resistente a cambios de iluminación y sombras. Esto se memoria. En particular, el cálculo de los gradientes y la creación del
HoG (Histogram of debe a que se basa en la orientación de los gradientes en histograma pueden requerir un procesamiento intensivo de la imagen,
Oriented Gradients) lugar de en la intensidad de los píxeles. lo que puede limitar su uso en aplicaciones en tiempo real o en
dispositivos con recursos limitados.
Una ventaja de la técnica LBP es su capacidad para capturar
Puede ser sensible a variaciones en la iluminación, lo que
patrones locales en una imagen, lo que la hace especialmente
LBP (Local Binary Patterns) puede afectar su capacidad para reconocer patrones en
útil para tareas de reconocimiento de objetos y detección de
algunas condiciones de iluminación.
rostros
Es computacionalmente eficiente y puede ser implementada Es sensible a cambios en la iluminación y la orientación de
Área en tiempo real en dispositivos con recursos limitados, como los objetos, lo que puede afectar su precisión y robustez en
cámaras de vigilancia y drones. ciertas situaciones.
Puede ser sensible a la forma del objeto, lo que significa que
es una técnica computacionalmente eficiente que puede
objetos con formas similares pueden ser descritos de manera
Perímetro describir objetos en una imagen con un bajo costo
similar, lo que puede llevar a una baja precisión en la
computacional.
identificación de objetos
Es una técnica simple y fácil de implementar. Además, puede No tiene en cuenta la orientación o la dirección de la forma del objeto, lo
ser muy útil para medir la forma de objetos en imágenes y que puede limitar su capacidad para distinguir entre formas similares pero
Compacidad puede proporcionar información valiosa para el análisis de orientadas de manera diferente. Además, esta técnica puede no ser
adecuada para objetos con formas irregulares o complejas, ya que su
imágenes. relación entre el área y el perímetro puede ser ambigua.
Una limitación de la técnica de descriptor topográfico
Es que es fácil de implementar y calcular. Además, es número de Euler es que solo puede manejar imágenes
Número de Euler resistente a la presencia de ruido en las imágenes binarias. binarias, lo que significa que se pierde información en
imágenes en escala de grises o en color.
La principal ventaja de esta técnica es su invariancia a la Puede ser sensible a cambios en la iluminación y la
escala y la rotación. Esto significa que puede reconocer perspectiva. Esto puede dificultar el reconocimiento de
Invariancia objetos en imágenes independientemente de su tamaño o objetos en situaciones de iluminación variable o cuando se
posición en la imagen. captura una imagen desde un ángulo inusual.