iiv 27 2 сентября, 2018 Опубликовано 2 сентября, 2018 · Жалоба Добрый день, ищу понятный, легко объясняемый и, по возможности короткий (на одну-две страницы текста) с оптимальной или субоптимальной асимптотически сложностью алгоритм сравнения двух картинок, которые могут соответствовать одному объекту, но аффинно преобразованному, ну то есть как, например, на приложенной ниже картинке. Картинка не моя, взято с доклада "Multiscale analysis of similarities between images on Riemannian manifolds" Coloma Ballester. То есть чтоб на входе было две картинки, а на выходе - коэффициенты аффинного преобразования + величина достоверности в какой-нибудь адекватной метрике. Через риманово преобразование с CNN объяснить и запрограммировать могу, но это - тонна кода. Нужно просто и понятно. У кого-то есть идеи? Буду премного благодарен! Спасибо! ИИВ Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
ViKo 1 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба Я так представляю, чтобы сложить одну картинку с другой, нужно ее перемещать (вращать) по всем 6 степеням свободы. Многовато для оптимизации. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
AlexandrY 3 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба Я так представляю, чтобы сложить одну картинку с другой, нужно ее перемещать (вращать) по всем 6 степеням свободы. Многовато для оптимизации. По 9-и степеням. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
ViKo 1 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба По 9-и степеням. Геометрических всего 6 в нашем мире. Вы имеете в виду цвета? Согласен. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
AlexandrY 3 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба Геометрических всего 6 в нашем мире. Вы имеете в виду цвета? Согласен. А ваш мир плоский или объемный? Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
ViKo 1 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба А ваш мир плоский или объемный? Такой же, как и ваш. :laughing: А вас механическим дисциплинам каким-нибудь обучали в универе/институте? Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
AlexandrY 3 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба Такой же, как и ваш. :laughing: А вас механическим дисциплинам каким-нибудь обучали в универе/институте? Похоже вы даже с областью знаний промахнулись. Эт проективная геометрия, а не механика. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
ViKo 1 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба Похоже вы даже с областью знаний промахнулись. Эт проективная геометрия, а не механика. Может быть. Но одно сводится к другому. Опишите ваши степени свободы. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
AlexandrY 3 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба Может быть. Но одно сводится к другому. Опишите ваши степени свободы. Так нет там "свободы", эт я просто применил вашу "свободу" как метафору к коэффициентам матрицы преобразования, которая 3 на 3. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
ViKo 1 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба Так нет там "свободы", эт я просто применил вашу "свободу" как метафору к коэффициентам матрицы преобразования, которая 3 на 3. Ваша матрица мне непонятна, а степени свободы - понятны. Топикстартер просил просто и понятно. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
@Ark 3 3 сентября, 2018 Опубликовано 3 сентября, 2018 (изменено) · Жалоба Если у ТС не абстрактные картинки, а фотографии реальных предметов с разных ракурсов и расстояний, то, пожалуй, механика (кинематика) будет так же применима, как и проективная геометрия. У твердого тела шесть степеней свободы. Его положение в пространстве описывается поворотом (3 угловых координаты) и переносом (3 линейных координаты). Поворот можно представить в виде матрицы преобразования координат 3 x 3. Но у нее только 3 степени свободы - то есть все 9 коэффициентов, можно определить через 3 независимых параметра. Изменено 3 сентября, 2018 пользователем @Ark Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
AlexandrY 3 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба Ваша матрица мне непонятна, а степени свободы - понятны. Топикстартер просил просто и понятно. Тогда самый верный способ - Fuzzy Logic. Спрашивать на форуме похожи или нет картинки. Каждому мнению присваивать уровень доверия, а потом выводить дефузификатор. :biggrin: . Но у нее только 3 степени свободы - то есть все 9 коэффициентов, можно определить через 3 независимых параметра. Да ну!? Даже на картинке ТС видна проективность. Причем тут механика? Я б тогда за оптику агитировал бы. Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
@Ark 3 3 сентября, 2018 Опубликовано 3 сентября, 2018 (изменено) · Жалоба Я б тогда за оптику агитировал бы. Агитируйте на здоровье. Дело в том, что одна проекция (одна картинка) все равно не дает полной (трехмерной) информации о реальном предмете. Поэтому, невозможно достоверно определить по двум картинкам что на них - два разных предмета или один и тот же, но с разных ракурсов и расстояний. Тем более, как я понял, информация о масштабе изображения (расстоянии до предметов) изначально отсутствует. Надо тогда сразу вводить какие-то априорные ограничения. Изменено 3 сентября, 2018 пользователем @Ark Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
yes 7 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба а что про это "думают" нейросети? вроде бы из банальной эрудиции - нужно "разобрать" картинки на объекты/фичи из них уже вычислять преобразование - перебирать, наверно, не получится начинать, наверно, надо с opencv - может там уже что-то есть... но я интересовался этим очень давно, когда производительности было недостаточно для любых алгоритмов по теме... Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться
iiv 27 3 сентября, 2018 Опубликовано 3 сентября, 2018 · Жалоба Спасибо, что не оставляете наедине с проблемой! Да, там 6 степеней свободы, фактически для координаты первой картинки надо найти матрицу и вектор что координата второй картинки будет выражаться как С помощью CNN (convolutional neural networks), то есть нейросетей, как я писал выше я это могу сделать, но тут будет тонна кода, который получается довольно тормознутым и плохо ложащимся на маломощные контроллеры. Лет 7 назад я это программировал и у меня это работает, но мне кажется, что есть что-то проще и быстрее, собственно как я и писал в головном топике. Спасибо! PS: math->tex поправил, спасибо большое, thermit что подсказали! Цитата Поделиться сообщением Ссылка на сообщение Поделиться на другие сайты Поделиться