×

采样具有大跨度的最小子集以进行稳健估计。 (英语) Zbl 1328.68251号

摘要:当对最小子集进行抽样以进行稳健参数估计时,众所周知,获得一个全内嵌的最小子集是不够的;其中的点也应该具有较大的空间范围。本文基于一个鲜为人知的结果,研究了该原理背后的理论基础,该结果将最小二乘回归表示为所有可能的最小子集估计的加权线性组合。结果表明,最小子集估计的权重与相关点的跨度直接相关。然后,我们导出了总最小二乘法的类似结果,与普通最小二乘法不同,它可以校正因变量和自变量中的误差。通过将总最小二乘法与几何估计技术相关联,我们建立了结果与计算机视觉的相关性。作为实际贡献,我们详细阐述了为什么天真的基于距离的抽样不能作为最大化生成的所有内隐最小子集跨度的策略。此外,我们提出了一种新的方法,与以往的方法不同,该方法可以有意识地针对具有大跨度的全内层最小子集。

MSC公司:

第68页第45页 机器视觉和场景理解
62F03型 参数假设检验
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Chin,T.J.、Yu,J.和;Suter,D.(2010年)。多结构稳健拟合的加速假设生成。在欧洲计算机视觉会议(ECCV)。
[2] Chin,T.J.、Yu,J.和;Suter,D.(2012)。通过偏好分析加速多结构数据的假设生成。IEEE模式分析和机器智能汇刊,34(4),625–638·doi:10.1109/TPAMI.2011.169
[3] Chum、O.和;Matas,J.(2005)。与PROSAC匹配–渐进样本共识。在计算机视觉和模式识别(CVPR)中。
[4] Chum、O.和;Matas,J.(2010)。尺度变化的平面仿射校正。在亚洲计算机视觉会议(ACCV)上。
[5] Chum,O.、Matas,J.和;Kittler,J.(2003)。局部优化的RANSAC。在德国仲裁庭,穆斯特雷肯纳(DAGM)。
[6] Chum,O.、Matas,J.和;Obdrzakek,S.(2004)。通过广义模型优化增强RANSAC。亚洲计算机视觉会议(ACCV)
[7] Chum,O.、Werner,T.和;Matas,J.(2005)。不受主平面影响的双视图几何估计。计算机视觉和模式识别(CVPR)。
[8] de Groen,P.(1996)。介绍总体最小二乘法。Nieuw Archief voor Wiskunde,4(14),237-253·兹伯利0863.65018
[9] 医学硕士费希勒;Bolles,R.C.(1981)。随机样本一致性:模型拟合的范例,应用于图像分析和自动制图。ACM通讯,24,381–395·数字对象标识代码:10.1145/358669.358692
[10] Frahm,J.M.和;Pollefeys,M.(2006)。(准)退化数据的RANSAC(QDEGSAC)。
[11] Golub,G.H.、Hoffman,A.和;Stewart,G.W.(1987)。Eckart-Young-Mirksy矩阵逼近定理的推广。线性代数及其应用,88–89,317–327·Zbl 0623.15020号 ·doi:10.1016/0024-3795(87)90114-5
[12] Golub,G.H.和;van Loan,C.F.(1980)。对总最小二乘问题的分析。数值分析,17883–893·Zbl 0468.65011号 ·数字对象标识代码:10.1137/0717073
[13] Goshen,L.和;Shimshoni,I.(2008)。平衡勘探和开采模型搜索,用于有效的极线几何估计。IEEE模式分析和机器智能汇刊
[14] Harker,M.和;O'Leary,P.(2006)。齐次向量的直接估计:计算机视觉中一个很难解决的问题。在印度计算机视觉、图形和图像处理会议上。
[15] Hartley,R.(1997)。为八点算法辩护。IEEE模式分析和机器智能汇刊,19(6),580-593。
[16] Hartley,R.和;Zisserman,A.(2004)。多视图几何(第二版)。剑桥:剑桥大学出版社·Zbl 1072.68104号
[17] Hoerl,A.E.和;Kennard,R.W.(1980)。关于最小二乘估计的注释。统计学传播:模拟与计算,9(3),315–317·doi:10.1080/03610918008812157
[18] 雅各比,C.G.J.(1841)。信息和所有权决定。《皮草杂志》(Journal fur die reine und angewandte Mathematik),第9315–317页·ERAM 022.0685cj公司
[19] Kahl,F.和;Hartley,R.(2008)。l范数下的多视图几何体。IEEE模式分析和机器智能汇刊,30(9),1603-1617·Zbl 05340976号 ·doi:10.10109/TPAMI.2007.70824
[20] Kahl,F.和;Henrion,D.(2005)。几何重建问题的全局最优估计。在国际计算机视觉会议(ICCV)上。
[21] 金泽,Y.,&;Kawakami,H.(2004)。使用特征点分布检测未标定立体的平面区域。在英国机器视觉会议(BMVC)上。
[22] 肯普,C.,&Drummond,T.(2005)。动态测量聚类有助于实时跟踪。在国际计算机视觉会议(ICCV)上。
[23] 库库什(A.Kukush)、马可夫斯基(I.Markovsky)和;Huffel,S.V.(2002)。运动分析中产生的二次测量误差模型中的一致基本矩阵估计。计算统计与数据分析,3(18),3–18·Zbl 1011.62069号 ·doi:10.1016/S0167-9473(02)00068-3
[24] Lowe,D.G.(2004)。具有与比例不变关键点不同的图像特征。国际计算机视觉杂志,60(2),91–110·Zbl 02244065号 ·doi:10.1023/B:VISI.0000029664.99615.94
[25] Meer,P.(2004)。计算机视觉的稳健技术。G.Medioni和;S.B.Kang(编辑),计算机视觉中的新兴主题。普伦蒂斯·霍尔。
[26] Mikolajczyk,K.,&Schmid,C.(2004)。局部描述符的性能评估。IEEE模式分析和机器智能汇刊,27(10),1615-1630·Zbl 05112483号 ·doi:10.1109/TPAMI.2005.188
[27] Mikolajczyk,K.,Tuytelaars,T.,Schmid,C.,Zisserman,A.,Matas,J.,Schafalitzky,F.等人(2005年)。仿射区域检测器的比较。国际计算机视觉杂志,65(1),43–72·兹比尔05062660 ·数字对象标识代码:10.1007/s11263-005-3848-x
[28] Mühlich,M.和;Mester,R.(1998)。总最小二乘法在运动分析中的作用。参加:欧洲计算机视觉会议(ECCV)。
[29] Myatt,D.R.、Torr,P.H.S.、Nasuto,S.J.、Bishop,J.M.和;Craddock,R.(2002)。NAPSAC:高噪声、高维稳健估计——它在囊中。在英国机器视觉会议(BMVC)上。
[30] Olsson,C.、Eriksson,A.和;Hartley,R.(2010)。使用二元性去除孤立点。计算机视觉和模式识别(CVPR)。
[31] Pham,T.T.、Chin,T.J.、Yu,J.和;Suter,D.(2012)。稳健几何拟合的随机聚类模型。计算机视觉和模式识别(CVPR)。
[32] Rousseeuw,P.J.和;Leroy,A.M.(1987)。稳健回归和异常检测。纽约:Wiley·Zbl 0711.62030号
[33] Scherer-Negenborn,N.,&;Schaefer,R.(2010)。具有足够随机样本覆盖率的模型拟合。国际计算机视觉杂志,89120-128·Zbl 06023113号 ·doi:10.1007/s11263-010-0329-7
[34] Stigler,S.M.(2000)。统计学的历史:1900年以前不确定度的测量(第8版,第1章)。哈佛大学出版社贝尔纳普出版社·Zbl 0656.62005号
[35] Subrahmanyam,M.(1972年)。简单最小二乘估计的一个性质。Sankhya B,34岁,3岁。
[36] 托多夫,B.J.,&;Murray,D.W.(2005)。Guided-MLESAC:通过使用匹配的先验值来更快地进行图像变换估计。IEEE模式分析和机器智能汇刊,27(10),1523-1535。
[37] van Huffel,S.和;Wandewalle,J.(1989)。最小二乘和总最小二乘问题之间的代数联系。数值数学,55431-449·Zbl 0663.65038号
[38] van Huffel,S.和;Wandewalle,J.(1991)。总最小二乘问题:计算方面和分析。宾夕法尼亚州费城:SIAM出版物。
[39] 韦达尔迪,A.,&Fulkerson,B.(2008)。VLFeat:一个开放的、可移植的计算机视觉算法库。http://www.vlfeat.org/
[40] Wong,H.S.、Chin,T.J.、Yu,J.和;Suter,D.(2011)。动态分层零结构几何模型拟合。参加:国际计算机视觉会议(ICCV)。
[41] Zhang,Z.(1997)。参数估计技术:圆锥拟合应用教程。图像和视觉计算,15(1),59–76。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。