features_accuracy_table — MATCHREG `featmatch` op

• Datenarten: image2d → table

• Aufruf: import fullseye as fs; fs.ledger.features_accuracy_table(image, detector='sift', conditions=None, tol_px=2.0, ransac_thresh=2.0, seed=0, detector_kwargs=None) (die Implementierung direkt: import featmatch; featmatch.features_accuracy_table(image, detector='sift', conditions=None, tol_px=2.0, ransac_thresh=2.0, seed=0, detector_kwargs=None); aus dem Register: opsmatchreg.get("features_accuracy_table"))

• GPU: nein (nur CPU-Referenzimplementierung)

Verwendung

Liefert auf mit bekannten Transformationen synthetisierten Paaren Wiederholbarkeit, Zuordnungsgenauigkeit und Homographiefehler je Bedingung als Tabelle. → table.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

image を条件ごとの既知のホモグラフィ H_true(中心まわりの回転・拡大・遠近)で写し(3 次スプライン補間 —— 照合側と違う補間で、補間の型が一致する甘さを避ける)、照明(利得・ガンマ)・ぼけ・雑音を足した 2 枚目を作る。2 枚とも検出 → 記述 → features_match → ransac_homography を走らせ、合成に使った真の H で答え合わせする:

• repeatability —— 2 枚の共通の領域にある 1 枚目の点のうち、H_true で写した位置から tol_px 以内に 2 枚目の点があるものの割合(Mikolajczyk & Schmid 2005 の考え方を点の距離で。領域の重なりではない)。

• precision —— 照合の組のうち |H_true p1 - p2| < tol_px のものの割合。

• matching_score —— 正しい照合の数 / 共通の領域にある 1 枚目の点の数。

• corner_error_px —— 推定した H と真の H で 4 隅を写したときの距離の平均(HPatches)。RANSAC が合意に届かなければ homography_ok=False で corner_error_px=None。

答えの真値は合成のパラメータそのもので、推定側はそれを知らない(使った式で答え合わせする門

ではない)。限界: 平面の射影変換だけ(視差・遮蔽・鏡面反射は入らない)。照明はこの画像全体に一様(局所の影は入らない)。

Args:

image: 2-D の濃淡画像 [0, 1]。模様の乏しい画像では行がほとんど 0 になる(それも結果)。

detector: "sift" / "orb"。

conditions: None なら DEFAULT_CONDITIONS。条件名の並び(既定の名前から選ぶ)か、

(名前, {rotate_deg, scale, perspective, gain, gamma, blur_sigma, noise_sigma}) の並び。

tol_px: 正しい対応とみなす距離 [px]。

ransac_thresh: ransac_homography の thresh。

seed: 雑音と RANSAC の乱数の種。

detector_kwargs: 検出器へ渡す追加の引数(dict)。

Returns:

dict(kind="feature_accuracy")。rows(条件ごとの dict の list)/ columns /

detector / tol_px / image_shape / n_conditions /

worst(corner_error_px が最大か失敗した条件の名前)。

Raises:

ValueError: 画像が不正 / 検出器の名前が違う / 条件の名前・鍵・値が不正。

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie matching_registration

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_part_locate_features — py -3.11 examples/poc_part_locate_features.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

features_match · ransac_homography · ransac_fundamental · registration_to_flow2d

Gleiche Kategorie (`featmatch`)

features_sift · features_orb · features_match · ransac_homography · ransac_fundamental

*Provenance: featmatch.py — MATCHREG Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

features_accuracy_table — MATCHREG featmatch op