Точность

Материал из Техническое зрение
Версия от 22:04, 20 февраля 2020; JIoku (обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск

Важнейшее свойство, которым должны, как правило, обладать алгоритмы обнаружения объектов на изображениях, можно определить как $\textit{точную локализацию }$объектов, подлежащих обнаружению, или контуров объектов, подлежащих измерению. Это означает, что необходимо не просто выделить объект, но и точно указать в системе координат изображения (или сцены) его положение и размеры. Под точной локализацией можно понимать знание о положении какой-либо характерной точки объекта и параметрах геометрии искажения (поворот, аффинные коэффициенты, изгибы и др.). При этом встречающиеся случаи ошибок локализации целесообразно разделить на две группы - нормальные и аномальные ошибки.

Нормальная ошибка

Нормальная ошибка - это правильная локализация объекта с некоторой позиционной или параметрической неточностью, характеризуемой количественными оценками. Для объектов, характеризуемых габаритными размерами, большими чем\linebreak $(3\times 3)\div (5\times 5)$ элементов изображения, позиционные нормальные ошибки могут быть значительно меньше размера элемента изображения, уменьшаясь с величиной объекта. В этом случае принято говорить о $\textit{субпиксельной локализации}$, или $\textit{субпиксельных измерениях}$. Это особенно важно для задач стереообнаружения, так как при малых параллаксах 3D-объектов субпиксельная привязка самым существенным образом определяет точность измерения их пространственного положения.

Аномальная ошибка

К аномальным ошибкам следует отнести ситуацию перепутывания объектов или возникновение артефактов, что связано с фатальными количественными ошибками позиционирования или просто ложным обнаружением. Требования по исключению или ограничению уровня аномальных ошибок составляют очень важную часть требований к алгоритмам обнаружения.

Заметим также, что требования по точности предъявляются и к алгоритмам обработки изображений низкого уровня. Например, во многих измерительных задачах фильтры, устраняющие помехи, не должны при этом существенно изменять видимое положение контуров объекта. Требование "сохранения краев" или, в более общем виде, сохранения неизменными измеряемых характеристик полезного сигнала является принципиальным требованием "по точности", предъявляемым в машинном зрении к алгоритмам нижнего уровня, поскольку, если данные были "испорчены" уже на нижнем уровне обработки, то на более высоких уровнях анализа никакие самые совершенные математические методы помочь не смогут, и задача в целом не будет решена с необходимой точностью.

Полезные ссылки

  1. ☝ К началу
  2. ☜ Требования к алгоритмам машинного зрения
Личные инструменты
Пространства имён

Варианты
Действия
Навигация
Инструменты