計算機視覺的過程中學到的一些關鍵話題和術語

資料來源: https://mp.weixin.qq.com/s?__biz=MzA4MDExMDEyMw==&mid=2247488958&idx=2&sn=46d573e32a35f94bd79ab612a245472d&chksm=9fa862faa8dfebec363dc1bb03f7394bcc97a1db9d19814dc6a08cccd09cff35e56b5c469895&scene=126&sessionid=1593995702&key=4699c2647d3c370e87429c656dc4ab73139aaa305c53981c0f8d4846387131d5901926e7ca3208da39775c97797a0c68314e0b4518462cdf5f2694aba8b7781d5d0649dbe65b40c76147ed3bf8dc273e&ascene=1&uin=MjIwODk2NDgxNw%3D%3D&devicetype=Windows+10+x64&version=62090529&lang=zh_TW&exportkey=Alw1vOccfymad%2BegfFQCR7Q%3D&pass_ticket=tD2It0bWDHLJAJ8%2FH8UkLiRGH4LSiJg83cnNC61JrVeWM0KnvEnlge%2FnytrziMwZ

01.尺度不變特徵變換（Scale Invariant Feature Transform, SIFT）：這是一種被用於生成圖像的關鍵點描述子（特徵向量）的計算機視覺技術。生成的描述子包含一些特徵信息，如邊緣、角、團塊等。描述子還可以用於檢測不同尺度和失真的圖像中的對象。SIFT已經被廣泛用於目標識別、手勢識別、目標跟踪等應用中。SIFT技術的關鍵之處在於它檢測到的特性對於任何仿射變換（比如放縮、平移和旋轉）都是不變的。SIFT原始論文鏈接如下：https://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf。 

02.定向梯度直方圖（Histogram of Orientated Gradients, HOG）：這是一種被用來從圖像中提取特徵的技術。提取到的特徵是圖像中邊和角提供的信息，更具體地說是凸顯中的對象。簡而言之，該技術識別圖像中邊緣（梯度）、角、線條的位置，獲取邊緣的方向信息。HOG 描述子會生成一個直方圖，該直方圖包含從圖像中檢測到的邊緣和方向信息的分佈信息。計算機視覺應用和圖像處理領域中都能看到這種技術的身影，更詳細信息請參閱：https://www.learnopencv.com/histogram-of-oriented-gradients/。 

03.主成分分析（Principal Component Analysis, PCA）：這是一種用於降低特徵豐富的數據集維度的算法。降維是通過將數據點從較高維度投影到維度較低的平面來實現的，它仍然保留了信息，並最小化了信息損失。