OpenCV 4.5.3(日本語機械翻訳)
公開型 | 公開メンバ関数 | 静的公開メンバ関数 | 全メンバ一覧
cv::xfeatures2d::BoostDesc クラス abstract

Class implementing BoostDesc (Learning Image Descriptors with Boosting), described in [Trzcinski13a] and [Trzcinski13b]. [詳解]

#include <xfeatures2d.hpp>

cv::Feature2Dを継承しています。

公開型

enum {
BGM = 100 , BGM_HARD = 101 , BGM_BILINEAR = 102 , LBGM = 200 ,
BINBOOST_64 = 300 , BINBOOST_128 = 301 , BINBOOST_256 = 302
}

公開メンバ関数

virtual CV_WRAP void setUseScaleOrientation (const bool use_scale_orientation)=0
virtual CV_WRAP bool getUseScaleOrientation () const =0
virtual CV_WRAP void setScaleFactor (const float scale_factor)=0
virtual CV_WRAP float getScaleFactor () const =0
- 基底クラス cv::Feature2D に属する継承公開メンバ関数
virtual CV_WRAP void detect (InputArray image, CV_OUT std::vector< KeyPoint > &keypoints, InputArray mask=noArray())
画像(第1のバージョン)または画像セット(第2のバージョン)からキーポイントを検出します。[【詳解】(英語]
virtual CV_WRAP void detect (InputArrayOfArrays images, CV_OUT std::vector< std::vector< KeyPoint > > &keypoints, InputArrayOfArrays masks=noArray())
virtual CV_WRAP void compute (InputArray image, CV_OUT CV_IN_OUT std::vector< KeyPoint > &keypoints, OutputArray descriptors)
画像(第1の形式)または画像集合(第2の形式)から検出されるキーポイントの集合に対するディスクリプタを計算します.[【詳解】(英語]
virtual CV_WRAP void compute (InputArrayOfArrays images, CV_OUT CV_IN_OUT std::vector< std::vector< KeyPoint > > &keypoints, OutputArrayOfArrays descriptors)
virtual CV_WRAP void detectAndCompute (InputArray image, InputArray mask, CV_OUT std::vector< KeyPoint > &keypoints, OutputArray descriptors, bool useProvidedKeypoints=false)
virtual CV_WRAP int descriptorSize () const
virtual CV_WRAP int descriptorType () const
virtual CV_WRAP int defaultNorm () const
CV_WRAP void write (const String &fileName) const
CV_WRAP void read (const String &fileName)
virtual void write (FileStorage &) const CV_OVERRIDE
アルゴリズムのパラメーターをファイルストレージに格納[【詳解】(英語]
virtual CV_WRAP void read (const FileNode &) CV_OVERRIDE
アルゴリズム・パラメータをファイル・ストレージから読み込みます。[【詳解】(英語]
virtual CV_WRAP bool empty () const CV_OVERRIDE
検出器オブジェクトが空の場合は,trueを返します.[【詳解】(英語]
virtual CV_WRAP String getDefaultName () const CV_OVERRIDE
CV_WRAP void write (const Ptr< FileStorage > &fs, const String &name=String()) const
- 基底クラス cv::Algorithm に属する継承公開メンバ関数
virtual CV_WRAP void clear ()
アルゴリズムの状態をクリアする[【詳解】(英語]
CV_WRAP void write (const Ptr< FileStorage > &fs, const String &name=String()) const
これはオーバーロードされたメンバ関数です。利便性のために用意されています。元の関数との違いは引き数のみです。
virtual CV_WRAP void save (const String &filename) const

静的公開メンバ関数

static CV_WRAP Ptr< BoostDesc > create (int desc=BoostDesc::BINBOOST_256, bool use_scale_orientation=true, float scale_factor=6.25f)
- 基底クラス cv::Algorithm に属する継承静的公開メンバ関数
template<typename _Tp >
static Ptr< _Tp > read (const FileNode &fn)
ファイル・ノードからアルゴリズムを読み込む[【詳解】(英語]
template<typename _Tp >
static Ptr< _Tp > load (const String &filename, const String &objname=String())
ファイルからアルゴリズムを読み込む[【詳解】(英語]
template<typename _Tp >
static Ptr< _Tp > loadFromString (const String &strModel, const String &objname=String())
文字列からアルゴリズムを読み込む[【詳解】(英語]

その他の継承メンバ

- 基底クラス cv::Algorithm に属する継承限定公開メンバ関数
void writeFormat (FileStorage &fs) const

詳解

実装クラスBoostDesc(Learning Image Descriptors with Boosting) を実装したクラスです.[Trzcinski13a].および[Trzcinski13b] に記述されています..

引数
desc 使用するディスクリプタの型, BoostDesc::BINBOOST_256 がデフォルト(256ビットの長次元).BoostDesc::BGM, BoostDesc::BGM_HARD, BoostDesc::BGM_BILINEAR, BoostDesc::LBGM, BoostDesc::BINBOOST_64, BoostDesc::BINBOOST_128, BoostDesc::BINBOOST_256 です。
use_orientation キーポイントの向きを利用したパターンのサンプリング,デフォルトで有効
scale_factor 検出されたキーポイントのサンプリングウィンドウを調整 6.25fがデフォルトで,これに適合するKAZE,SURF検出されたキーポイントの窓の比率6.75fが,キーポイントのスケールとなります.SIFT検出されたキーポイントのウィンドウ比 5.00f は,次のような尺度である.AKAZE, msd, agast, fast,BRISKkeypoints ウィンドウの比率 0.75f は,以下の尺度とします.ORBkeypoints ratio 1.50f は,オリジナルの実装ではデフォルトでした.
覚え書き
BGM は,各バイナリ次元が1つの弱い学習器の出力として計算される基本記述子です.BGM_HARDとBGM_BILINEARは、同じBGMですが、異なるタイプのグラデーション・ビンニングを使用しています。ASSIGN_HARDビニングタイプを使用するBGM_HARDでは、グラデーションは最も近いオリエンテーションビンに割り当てられます。ASSIGN_BILINEARビニングを使用するBGM_BILINEARでは、グラデーションは2つの隣接したビンに割り当てられます。ASSIGN_SOFT ビニングタイプを使用する BGM およびその他のすべてのモードでは、グラデーションは、グラデーションの角度とビンの中心との間のコサイン値に従って、最も近い 8 つのビンに割り当てられます。LBGM(別名:FP-Boost)は浮動小数点拡張で、各次元は弱い学習者の応答の線形結合として計算されます。BINBOOSTとその亜種は、LBGMのバイナリ拡張で、各ビットは弱い学習者のセットの閾値付き線形結合として計算されます。BoostDescヘッダファイル(boostdesc_*.i)は、samplesサブフォルダにあるexport-boostdesc.pyスクリプトを使って、オリジナルのバイナリからエクスポートされました。

このクラス詳解は次のファイルから抽出されました: