Consenso de muestra aleatoria: Estimación robusta en visión por computadora

El consenso de muestra aleatoria, también conocido como RANSAC, es un método iterativo que se utiliza para estimar los parámetros de un modelo matemático basado en una colección. de datos observados que incluyen valores atípicos. Este método se utiliza en situaciones en las que se permite que los valores atípicos no tengan impacto en los valores de las estimaciones. La conclusión es que también es posible verlo como una herramienta para detectar valores atípicos. Se considera que un algoritmo no es determinista si es capaz de generar un resultado adecuado sólo con una cierta probabilidad, y esta probabilidad aumenta a medida que aumenta el número de iteraciones permitidas a través del método. En 1981, Fischler y Bolles, que trabajaban en SRI International, fueron quienes publicaron inicialmente el algoritmo. Para resolver el problema de determinación de ubicación (LDP), que es un problema en el que el objetivo es encontrar los puntos en el espacio que se proyectan en una imagen y luego convertir esos puntos en un conjunto de puntos de referencia con posiciones conocidas, utilizaron RANSAC.

Cómo te beneficiarás

(I) Insights y validaciones sobre los siguientes temas:

Capítulo 1: Consenso de muestra aleatoria

Capítulo 2: Estimador

Capítulo 3: Mínimos cuadrados

Capítulo 4: Valor atípico

Capítulo 5: Validación cruzada (estadísticas)

Capítulo 6: Errores y residuos

Capítulo 7: Modelo de mezcla

Capítulo 8: Estadísticas sólidas

Capítulo 9: Unión de imágenes

Capítulo 10: Remuestreo (estadísticas)

(II) Respondiendo a las principales preguntas del público sobre el consenso de muestras aleatorias.

(III) Ejemplos del mundo real para el uso de consenso de muestras aleatorias en muchos campos.

Para quién es este libro

Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran avanzar más allá del conocimiento o información básica para cualquier tipo de Consenso de Muestra Aleatoria.