[论文阅读]随机蕨:FAST Key Points Recognition Using Random Ferns

本文介绍了随机蕨算法,一种简化版的随机树结构,用于图像特征点识别。通过二值测试对特征点周围的区域进行分类,随机蕨简化了随机树的层次结构,保持高效分类效果。论文探讨了问题表示、分类简化方法(Semi-Naive Bayesian)以及训练过程,展示了如何在性能和内存占用之间取得平衡。
摘要由CSDN通过智能技术生成

        论文阅读,记录一下自己阅读论文的收获,如有谬误,希望能得到指正!

------------------------------------------------------------------------------------------------------------------------------------------------------------

         随机蕨可以理解为一种简化版本的随机树。对于每一个图片的特征点,把其周围的块(Patch)可能的取值看作一个类,用二值测试进行分类,具体说来,就是选择一定的模式位,对这些模式的像素进行二值测试,来对Patch进行分类。随机蕨把这种分层的随机树结构进行简化,变为非层次的结构,同时也能和随机树一样保持很好的分类效果。

       

        比如,上图中左边是一个随机树,通过对随机树每一层采用同样的测试,变为中间的树形结构,其等价于右边的结构,这就是文章所谓的蕨。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值