Task01 Марат Аграновский МКН

[vselenaya]

Перечислите идеи и коротко обозначьте мысли которые у вас возникали по мере выполнения задания, в частности попробуйте ответить на вопросы:

1. Почему SIFT менее точно угадывает средний угол отклонения? изменяется ли ситуация если выкрутить параметр ORIENTATION_VOTES_PEAK_RATIO=0.999? почему?

2. Как надежно замерить во сколько раз распараллеливание через OpenMP ускоряет ваш вариант SIFT? Попробуйте сделать это на вашем компьютере, какое ускорение относительно однопоточной версии оказалось? Сколько у вашего процессора ядер и сколько потоков?

3. Правда ли можно строить каждый слой в Gaussian пирамиде из самого первого слоя этой октавы? Или нужно обязательно делать так как предложено в статье - дополняя размытие предыдущего слоя этой октавы? Совпадают ли пирамиды визуально?

Конечно, можно строить из самого первого слоя (можно просто вывести формулу, с какой сигмой сворачивать из ассоциативности свёртки). Более того, это помогает распараллелить построение пирамиды. Визуально результаты не отличаются.

4. Какие ожидания от картинок в Gaussian пирамиде можно придумать? Как проверить что работает корректно? С какой другой картинкой предыдущей октавы должна визуально совпадать конкретная картинка конкретной октавы? Как их визуально сравнить, ведь они разного размера?

Чем больше номер картинки в октаве, тем более размыта картинка. Конкретная картинка конкретной октавы визуально
должна совпадать с последней картинкой предыдыущей октавы. Чтобы их сравнить, можно просто каждый пиксель более маленькой картинки рамножить на 4 копии, получив картинку того же размера.

5. Почему в октаве Gaussian пирамиды s+3 картинки а не s+2 например?

В пирамиде DOG нужен паддинг (доп картинка в начале октавы и в хвосте), чтобы брать экстремумы: для этого в пирамиде DOG нужно +2 картинки,
но сама пирамида DOG состоит из на 1 меньше картинок исходной пирамиды. Поэтому в пирамиде гауссиан нужно +3 картинки.

6. Какие ожидания от картинок в DoG пирамиде можно придумать?

Должны появляться пятна - чем глубже, тем пятна крупнее.

7. Почему порог контрастности должен уменьшаться при увеличении числа слоев в октаве?

8. Какая строка ответственна за определение сигмы (или что почти то же самое - радиуса) которая задает окрестность по которой определяется ориентация ключевой точки?
   int oriRadius = (int) (ORIENTATION_WINDOW_R * (1.0 + k * (layer - 1)));

9. За какой строки вашего кода дескриптор инвариантен к повороту картинки?
   cv::transform(shiftInVector, shiftInVector, relativeShiftRotation);

// Создайте PR.
// Дождитесь отработки Github Actions CI, после чего нажмите на зеленую галочку -> Details -> test_sift -> скопируйте весь лог тестирования.
// Откройте PR на редактирование (сверху справа три точки->Edit) и добавьте сюда скопированный лог тестирования внутри тега

 для сохранения форматирования и под спойлером для компактности и удобства:

Github Actions CI

$ ./build/test_sift
Running main() from /home/runner/work/PhotogrammetryTasks2023/PhotogrammetryTasks2023/libs/3rdparty/libgtest/googletest/src/gtest_main.cc
[==========] Running 22 tests from 1 test suite.
[----------] Global test environment set-up.
[----------] 22 tests from SIFT
[ RUN      ] SIFT.MovedTheSameImage
[ORB_OCV] Points detected: 500 -> 500 (in 0.021269 sec)
...
[       OK ] SIFT.HerzJesu19RotateM40 (7730 ms)
[----------] 22 tests from SIFT (12918 ms total)
[----------] Global test environment tear-down
[==========] 22 tests from 1 test suite ran. (12918 ms total)
[  PASSED  ] 22 tests.

[PolarNick239]

6 Должны появляться пятна - чем глубже, тем пятна крупнее

не уверен, интерпретация этих локальных экстремумов (их размер в смысле оригинального разрешения картинки) - у нас в голове, поэтому любой экстремум соответствует некоему "пятну" в картинке, но почему есть пятнца в самой DoG? И подтвердилась ли эта гипотеза на практике - нашел ли ты там пятна?

пожалуйста допиши ответы 1, 2, 7 и скопируй полный вывод CI

[PolarNick239]

закрываю т.к. ты не планируешь в этом семестре закрывать курс