La visión por computadora es una disciplina de la informática que juega un papel más importante en tu vida de lo que crees. A lo largo de este curso, te introducirás en el proceso de establecer coincidencias preliminares de características entre dos o más imágenes. Esto incluye seleccionar la estrategia de coincidencia adecuada para determinar qué correspondencias se pasan a la siguiente etapa para su posterior procesamiento y asegurar si el conjunto de características coincidentes es geométricamente consistente. Se explica el procedimiento para diseñar estructuras de datos y algoritmos eficientes para hacer coincidir las características en diferentes imágenes. Luego descubrirás la importancia de la técnica de transformación de Hough para que los votos de cada punto de borde para todas las líneas posibles que lo atraviesan, y las líneas correspondientes a los valores altos del acumulador o del bin se examinan para posibles ajustes de línea.

A continuación, el material explica cómo se utiliza el método de transformación de Hough para agrupar los edgels en segmentos de línea, incluso a través de huecos y oclusiones en una imagen. Se te enseñará sobre el enfoque de bolsa de características que calcula la distribución de palabras visuales encontradas en la imagen de consulta y compara esta distribución con las encontradas en las imágenes de entrenamiento. Esta explicación incluye el proceso de representar objetos e imágenes como colecciones disjuntas de descriptores de características. Se discute el proceso de hacer coincidir múltiples imágenes utilizando núcleos de coincidencia selectivos. Se te enseñará sobre un núcleo de coincidencia que toma lo mejor de las técnicas existentes al combinar un procedimiento de agregación con otro núcleo de coincidencia particular. Se investigarán las diversas métricas utilizadas para comparar imágenes basadas en sus descriptores locales para mejorar el reconocimiento visual de objetos, ubicaciones y escenas. Además, también se explica el proceso de coincidencia de núcleos para pirámides de imágenes.

Finalmente, explorarás los métodos de mapeo de conjuntos de características desordenados de imágenes a histogramas de múltiples resoluciones para encontrar correspondencias implícitas basadas en la celda del histograma de resolución más fina. Esto incluye el procedimiento para hacer coincidir dos colecciones de características en un espacio de apariencia de alta dimensión. Por último, se destacan los principios fundamentales y los flujos de trabajo comunes de la visión por computadora que se aplican a las redes neuronales profundas. 'Comprender la coincidencia visual en la visión por computadora' es un curso informativo que interesará a quienes estudian informática o inteligencia artificial. Inscríbete hoy y comienza a aprender sobre los métodos de coincidencia visual en el procesamiento de imágenes y los métodos para generar técnicas eficientes y efectivas de libro de códigos visuales utilizando núcleos aditivos.